使用Keras和CNN进行自定义AI人脸识别

目录

介绍

什么是CNN？

设计CNN

实现CNN

训练CNN

下一步？

---

• 下载源8.4 KB

介绍

如果您看过《少数派报告》电影，您可能还记得汤姆·克鲁斯（Tom Cruise）走进一家Gap商店的场景。视网膜扫描仪读取他的眼睛，并为他播放定制的广告。好吧，这是2020年。我们不需要视网膜扫描仪，因为我们拥有人工智能（AI）和机器学习（ML）！

在本系列中，我们将向您展示如何使用深度学习进行面部识别，然后基于被识别的面部，使用神经网络语音合成（TTS）引擎播放自定义广告。

我们假设您熟悉AI/ML的基本概念，并且可以找到使用Python的方法。

在本文中，我们将讨论CNN，然后设计一个并使用Keras在Python中实现它。

什么是CNN？

CNN是一种神经网络（NN），通常用于图像分类任务（例如人脸识别）以及任何其他输入具有网格状拓扑的问题。在CNN中，并非每个节点都连接到下一层的所有节点。换句话说，它们不是完全连接的NN。这有助于防止完全连接的NN中出现过拟合问题，更不用说由NN中的过多连接导致的超慢收敛。

CNN的概念依赖于称为卷积的数学运算，这在数字信号处理领域非常普遍。卷积被定义为两个函数（第三个函数）的乘积，表示前两个函数之间的重叠量。在CNN区域，通过在图像中滑动过滤器（即内核）来实现卷积。

在人脸识别中，卷积操作使我们能够检测图像中的不同特征。不同的过滤器可以检测垂直和水平边缘、纹理、曲线和其他图像特征。这就是为什么任何CNN中的第一层都是卷积层的原因。

CNN中另一个常见的层是池化层。池化用于减小图像表示的大小，这意味着减少了参数数量，并最终减少了计算量。最常见的池化类型是“max”，它使用滑动窗口（类似于卷积操作中的窗口）在每个位置从匹配的单元格组中获取最大值。最后，它根据收获的最大值构建图像的新表示形式。

最常见的CNN架构通常从卷积层开始，然后是激活层，然后是池化层，最后以传统的全连接网络（例如多层NN）结束。这种层次化的模型称为顺序模型。为什么最后要建立全连接网络？要学习变换图像中特征的非线性组合（在卷积和合并之后）。

设计CNN

这是我们将在CNN中实现的架构：

• 输入层——NumPy数组（img_width，img_height，1）；“ 1” 因为我们正在处理灰度图像；对于RGB图像，应该是（img_width，img_height，3）
• Conv2D层——32个过滤器，过滤器大小为3
• 激活层——必须使用非线性函数进行学习，在这种情况下，该函数为ReLU
• Conv2D层——32个过滤器，过滤器大小为3，步幅为3
• 使用ReLU功能的激活层
• MaxPooling2D层——应用（2，2）合并窗口
• 25％的DropOut层——通过从前一层中随机删除一些值（将它们设置为0）来防止过度拟合；又名稀释技术
• Conv2D层——64个过滤器，过滤器大小为3
• 使用ReLU功能的激活层
• Conv2D层——64个过滤器，过滤器大小为3，步幅为3
• 使用ReLU功能的激活层
• MaxPooling2D层——应用（2，2）合并窗口
• DropOut层，占25％
• 展平层——转换要在下一层使用的数据
• 致密层——代表完全连接的传统NN
• 使用ReLU功能的激活层
• DropOut层，占25％
• 密集层，节点数与问题中的类数匹配——Yale数据集为15
• 使用ReLU功能的激活层

上面的架构很常见；层参数已通过实验进行了微调。

实现CNN

现在，让我们在代码中实现我们的CNN架构-我们选择的一组图层。为了创建易于扩展的解决方案，我们将ML模型与一组抽象方法结合使用：

class MLModel(metaclass=abc.ABCMeta):

    def __init__(self, dataSet=None):
        if dataSet is not None:
            self.objects = dataSet.objects
            self.labels = dataSet.labels
            self.obj_validation = dataSet.obj_validation
            self.labels_validation = dataSet.labels_validation
            self.number_labels = dataSet.number_labels
            self.n_classes = dataSet.n_classes
        self.init_model()

    @abstractmethod
    def init_model(self):
        pass

    @abstractmethod
    def train(self):
        pass

    @abstractmethod
    def predict(self, object):
        pass

    @abstractmethod
    def evaluate(self):
        score = self.get_model().evaluate(self.obj_validation, self.labels_validation, verbose=0)
        print("%s: %.2f%%" % (self.get_model().metrics_names[1], score[1] * 100))

    @abstractmethod
    def get_model(self):
        pass

在我们的例子中，dataset是本系列上一篇文章中描述的FaceDataSet类的实例。ConvolutionalModel类，它从MLModel中继承和实现其所有的抽象方法，是一个将包含我们的CNN架构的类。这里是：

class ConvolutionalModel(MLModel):

    def __init__(self, dataSet=None):
        if dataSet is None:
            raise Exception("DataSet is required in this model")
        self.shape = numpy.array([constant.IMG_WIDTH, constant.IMG_HEIGHT, 1])
        super().__init__(dataSet)
        self.cnn.compile(loss=constant.LOSS_FUNCTION,
                         optimizer=Common.get_sgd_optimizer(),
                         metrics=[constant.METRIC_ACCURACY])

    def init_model(self):
        self.cnn = Sequential()

        self.cnn.add(Convolution2D(32, 3, padding=constant.PADDING_SAME, input_shape=self.shape))
        self.cnn.add(Activation(constant.RELU_ACTIVATION_FUNCTION))
        self.cnn.add(Convolution2D(32, 3, 3))
        self.cnn.add(Activation(constant.RELU_ACTIVATION_FUNCTION))
        self.cnn.add(MaxPooling2D(pool_size=(2, 2)))
        self.cnn.add(Dropout(constant.DROP_OUT_O_25))

        self.cnn.add(Convolution2D(64, 3, padding=constant.PADDING_SAME))
        self.cnn.add(Activation(constant.RELU_ACTIVATION_FUNCTION))
        self.cnn.add(Convolution2D(64, 3, 3))
        self.cnn.add(Activation(constant.RELU_ACTIVATION_FUNCTION))
        self.cnn.add(MaxPooling2D(pool_size=(2, 2)))
        self.cnn.add(Dropout(constant.DROP_OUT_O_25))

        self.cnn.add(Flatten())
        self.cnn.add(Dense(constant.NUMBER_FULLY_CONNECTED))
        self.cnn.add(Activation(constant.RELU_ACTIVATION_FUNCTION))
        self.cnn.add(Dropout(constant.DROP_OUT_0_50))
        self.cnn.add(Dense(self.n_classes))
        self.cnn.add(Activation(constant.SOFTMAX_ACTIVATION_FUNCTION))
        self.cnn.summary()

    def train(self, n_epochs=20, batch=32):
        self.cnn.fit(self.objects, self.labels,
                       batch_size=batch,
                       epochs=n_epochs, shuffle=True)

    def get_model(self):
        return self.cnn

    def predict(self, image):
        image = Common.to_float(image)
        result = self.cnn.predict(image)
        print(result)

    def evaluate(self):
       super(ConvolutionalModel, self).evaluate()

在构造函数中，我们设置self.shape变量，该变量定义输入层的形状。在我们的例子中，对于Yale数据集，图像高度为320像素，宽度为243像素，self.shape =(320, 243, 1)。

然后，我们调用super()从父构造函数获取所有与数据集相关的变量集，并调用init_model()初始化模型的方法。

最后，我们调用compile方法，该方法配置用于训练的模型并设置要在loss参数中使用的目标函数。在训练过程中，目标功能得到了优化（最小化或最大化）。accuracy参数定义在训练中评估模型的度量。optimizer参数定义权重的计算方式。最常见的优化器是“梯度下降”。

我们的CNN模型定义为顺序的，并根据体系结构的要求添加所有层。train()方法使用表示层排列的sequential类的fit方法来训练CNN。此方法接收训练CNN的数据作为输入，该数据的正确分类以及一些可选参数，例如要运行的时期数。

训练CNN

现在，代码已经准备就绪，该开始训练我们的CNN了。让我们实例化ConvolutionalModel类，在Yale数据集上进行训练，然后调用评估方法。

cnn = ConvolutionalModel(dataSet)
cnn.train(n_epochs=50)
cnn.evaluate()

在进行了50个时期的训练后，我们在测试图像上的准确性达到了近85％。

这意味着我们的CNN现在将以85％的概率识别出数据集中15个主题中的每个主题。简短的练习还不错吧？

现在，我们已经训练了CNN，如果我们想预测新的传入数据（意味着来自图像的新面孔），则可以使用之前详细介绍的ConvolutionalModel类中的predict（image）方法来进行。如何运作？该调用看起来像下一个调用，它应符合某些假设。

cnn.predict(np.expand_dims(image, axis=0))

首先，输入图像必须具有与先前训练的CNN输入层相同的尺寸或形状。其次，在我们归一化数据的predict()方法中，它应该是相同类型的输入，即像素值矩阵，因此无需提供归一化的图像像素矩阵。第三，我们可能需要为输入的面部图像添加一个维度，因为在经过训练的CNN中，我们考虑了数据集中样本数量的第4个维度。这可以使用numpy的expand_dims()方法来实现。第四，假定将提供面部图像，在较大图片的情况下，先前文章中提供的面部检测方法可证明是有用的。

最后，predict()方法的输出可以在上图中看到。此方法将输出脸部属于每个可能类别或个人的概率（对于训练后的数据集为15）。在这种情况下，我们可以看到类别4的可能性最高，这正是输入的面部图像所指的类别或人物。

下一步？

现在我们知道了如何从头开始构建自己的CNN。在下一篇文章中，我们将研究一种替代方法——利用预先训练的模型。我们将使用一个经过训练的CNN来对具有数百万个图像的数据集进行人脸识别训练，并对其进行调整以解决我们的问题。敬请关注！