带有 ImageNet 预训练模型的 DenseNet-Keras

这是使用 Keras 实现的带有 ImageNet 预训练权重的 DenseNet。这些权重是从 Caffe 模型转换而来的。该实现同时支持 Theano 和 TensorFlow 后端。

要了解更多关于 DenseNet 的工作原理，请参阅原始论文：

密集连接的卷积网络
Gao Huang, Zhuang Liu, Kilian Q. Weinberger, Laurens van der Maaten
arXiv:1608.06993

ImageNet 上的预训练 DenseNet 模型

使用单中心裁剪（裁剪尺寸：224x224，图像尺寸：256xN）时的 Top-1/5 准确率

网络	Top-1	Top-5	Theano	Tensorflow
DenseNet 121 (k=32)	74.91	92.19	模型 (32 MB)	模型 (32 MB)
DenseNet 169 (k=32)	76.09	93.14	模型 (56 MB)	模型 (56 MB)
DenseNet 161 (k=48)	77.64	93.79	模型 (112 MB)	模型 (112 MB)

使用方法

首先，将上述预训练权重下载到 imagenet_models 文件夹中。

运行 test_inference.py 以查看如何使用预训练模型进行推理的示例。

python test_inference.py

微调

请查看这个，了解如何使用您自己的数据集对 DenseNet 进行微调的示例。

要求

• Keras 1.2.2 2.0.5
• Theano 0.8.2 或 TensorFlow 0.12.0 1.2.1

更新

• 支持 Keras 2.0.5 和 TensorFlow 1.2.1

DenseNet-Keras 快速上手指南

本指南基于 DenseNet-Keras 开源项目，帮助开发者快速在 Keras 中加载预训练的 DenseNet 模型（基于 ImageNet 权重），支持 Theano 和 TensorFlow 后端。

环境准备

请确保您的开发环境满足以下版本要求：

• Python: 建议 2.7 或 3.5+
• Keras: 2.0.5 (注意：不兼容 1.2.2)
• 后端框架 (二选一):
  • TensorFlow: 1.2.1 (注意：不兼容 0.12.0)
  • Theano: 0.8.2

提示：国内用户安装依赖时，推荐使用清华或阿里镜像源加速。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.0.5 tensorflow==1.2.1

安装步骤

1. 克隆或下载项目代码 将本项目下载到本地目录。

2. 下载预训练权重 根据需求选择模型架构（DenseNet 121/169/161）和后端（Theano/TensorFlow），从 README 提供的 Google Drive 链接下载对应的 .h5 权重文件。

   • 例如：下载 DenseNet 121 (TensorFlow 版) 权重。
   • 在项目根目录下创建文件夹 imagenet_models。
   • 将下载的权重文件放入该文件夹中。

   mkdir imagenet_models
   # 请将下载好的权重文件移动至此目录，例如：
   # mv dn201_tf_121.h5 imagenet_models/
   

   网络加速建议：如果无法直接访问 Google Drive，建议使用国内网盘中转或寻找 Gitee/GitHub 上的镜像资源。

基本使用

完成上述步骤后，即可运行官方提供的推理示例脚本。该脚本会加载预训练模型并对测试图像进行分类预测。

在项目根目录下执行：

python test_inference.py

若需在自己的项目中调用模型，可参考 test_inference.py 源码，核心逻辑如下：

from keras.models import load_model
# 加载特定权重的模型
model = load_model('imagenet_models/dn201_tf_121.h5') 
# 进行预测...
predictions = model.predict(input_image)

如需使用自定义数据集进行微调（Fine-tuning），可参考项目推荐的 cnn_finetune 仓库。