史上最迷你人脸数据集olivettifaces基于卷积神经网络模型+迁移学习构建人脸识别模型实战

      一般来说，想要搭建自己的深度学习模型来对自己的图像数据做处理往往是需要准备很多数据才行的，不然模型性能是很差的，之前也做过一些人脸识别的应用实践，但大都是需要自己去采集自身的人脸图像数据，这个就比较主观了，因为你可以采集的很多很多人脸图像数据，或者也可以采集的很少，但是很少的话一般效果都不会太好。今天找到一个很有意思的数据集，是我目前接触到的人脸识别领域中最为迷你的数据集，为什么说它“迷你”呢？主要有两个原因：
1、种类很多，一共包含有40个人的图像数据

2、单个人的图像数据很少只有10张，这个对于深度学习类型的任务来说是远远不够的

      今天就想基于这个数据集来构建一个基础的人脸识别应用。

      下面是这个数据集的全部数据：
       首先是gif版的：

     接下来是png版的

     我当时看到这个数据集的时候真的都是惊呆了的，真的也是没有想到居然会有这么小的数据集，所有的人脸图像数据均匀地分布在一张完整的图片上了，这应该也是我接触到的最简洁的数据集了吧。

      首先需要对原始的图像数据集进行划分处理，我习惯将原始的图像数据解析之后存储到不同的子目录中去，这样可以直接从本地的数据集中以加载图像的形式来完成数据集的加载、划分等操作，下面是原始数据的解析操作代码实现：

#!usr/bin/env python
# encoding:utf-8
from __future__ import divisio