猫狗图像分类实战：从CNN到迁移学习的完整方案

1. 项目概述

猫狗图像分类是计算机视觉领域的经典入门项目，也是验证深度学习模型性能的绝佳试验场。作为一名长期从事计算机视觉开发的工程师，我经常用这个项目来测试新模型架构或训练技巧。这次分享的实战方案，不仅实现了基础CNN和迁移学习两种技术路线的完整对比，更重要的是加入了数据清洗、早停机制、可视化分析等工业级项目必备的工程化组件。

这个项目特别适合以下几类读者：

• 刚学完深度学习理论，想通过实战巩固知识的学生
• 需要快速搭建图像分类原型的AI产品经理
• 希望优化现有分类模型性能的算法工程师

我们将使用TensorFlow 2.15作为基础框架，这个版本在保持API稳定性的同时，对移动端部署做了特别优化。整个项目代码完全模块化，你可以直接复用各个组件到自己的分类任务中。

2. 数据准备与清洗

2.1 数据集获取与结构

Kaggle的猫狗数据集包含25,000张训练图片（猫狗各半）和12,500张测试图片。但直接使用原始数据会遇到两个典型问题：

1. 部分图片在下载或存储过程中损坏
2. 少量图片实际内容与标签不符

数据集标准结构应该是：

code复制data/
├── train/
│   ├── cat/
│   └── dog/
└── test/
    ├── cat/
    └── dog/

2.2 自动化数据清洗

原始代码中的清洗函数已经能处理大部分损坏文件，但在实际项目中还需要扩展以下功能：

python复制import PIL
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True  # 处理截断图片

def enhanced_cleaner(path):
    valid_extensions = ['.jpg', '.jpeg', '.png']
    for img_class in ['cat', 'dog']:
        img_dir = Path(path) / img_class
        for img_file in img_dir.glob('*'):
            # 检查文件扩展名
            if img_file.suffix.lower() not in valid_extensions:
                img_file.unlink()
                continue
                
            try:
                # 验证图片可读性
                img = tf.keras.utils.load_img(img_file) 
                # 验证图片内容
                img_array = tf.keras.utils.img_to_array(img)
                if img_array.shape != (None, None, 3):
                    raise ValueError("Invalid image dimensions")
            except Exception as e:
                print(f"删除损坏文件: {img_file} - 错误: {str(e)}")
                img_file.unlink()

enhanced_cleaner('data/train')
enhanced_cleaner('data/test')

提示：在生产环境中，建议将清洗日志保存到文件，方便后续分析数据质量问题。

2.3 数据增强策略

除了代码中提到的旋转、缩放和水平翻转，在实际项目中还可以加入更多增强方式：

python复制train_datagen = ImageDataGenerator(
    rescale=1./255,
    rotation_range=30,
    width_shift_range=0.2,
    height_shift_range=0.2,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True,
    fill_mode='nearest',
    brightness_range=[0.8, 1.2]  # 亮度随机调整
)

这些增强策略的组合使用，可以使模型对输入变化更加鲁棒。但要注意，验证集数据不应该做任何增强，只进行归一化处理：

python复制test_datagen = ImageDataGenerator(rescale=1./255)

3. 模型构建与训练

3.1 基础CNN架构优化

原始文档中的基础CNN结构可以进一步优化，以下是改进后的版本：

python复制def build_cnn_model(input_shape=(150, 150, 3)):
    model = tf.keras.Sequential([
        # 卷积块1
        tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=input_shape),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.MaxPooling2D(2,2),
        
        # 卷积块2  
        tf.keras.l