具有预先训练模型的AI人脸识别

目录

介绍

为什么要使用别人的CNN？

实现VGG16

应用于Yale数据集

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。

为什么要使用别人的CNN？

到目前为止，我们已经完成了设计、实现和训练自己的CNN以进行人脸识别所需的一切。在本文中，我们将探讨另一种方法——使用预先训练的VGG（牛津大学的Visual Geometry Group）模型。这些CNN已针对大型数据集进行了设计和训练，并取得了出色的效果。

为什么我们要重用别人为数据集设计和训练的CNN，这显然不同于我们的数据集？好吧，主要原因是有人花了大量的CPU/GPU时间在庞大的数据集上训练这些模型。我们可以充分利用这项训练。在另一种模型中重用一个已经训练好的CNN的想法被称为“迁移学习”。

VGG16，VGG19，ResNet50，InceptionV3和Xception是一些著名的VGG模型。它们具有不同的体系结构，并且都可以在Keras中使用。这些模型均在包含约120万幅图像的ImageNet数据集上进行了训练。

在本文中，我们将改编VGG16模型。

VGG16架构图显示此CNN的输入定义为（224、224、3）。因此，如果要使此CNN适应我们的问题，我们有两种选择。我们可以剪裁和调整我们的图像到224 X 224，或者，我们可以将VGG16的输入层更改为彩色图像（RGB）的(our_img_width，our_img_height，3）或灰度图像的（our_img_width，our_img_height，1）。

请注意，VGG16的输出层包含1,000个类。由于我们的问题没有太多可能的类，因此我们必须更改输出层的形状。

实现VGG16

我们将使用VGG16作为基本模型，并从中得出新的CNN – VGGNet。这个新的CNN将具有VGG16的层和权重，并在输入层（以使其适应我们的图像宽度、高度和配色方案）以及输出层（以使其适应我们的分类数量）进行一些修改。

为了实现我们的自定义VGGNet模型，让我们创建一个从MLModel继承的类，就像在本系列上一篇文章中所做的一样。在名为VggModel的类中，除了init_model()以外的所有方法都将具有与我们的ConvolutionalModel类相同的实现。代码如下所示：

def init_model(self):
           base_model = VGG16(weights=constant.IMAGENET, include_top=False,
                  input_tensor=Input(shape=(constant.IMG_WIDTH,
                  constant.IMG_HEIGHT, 3)), pooling='max', classes=15)   

base_model.summary()

for layer in base_model.layers:
          layer.trainable = False

x = base_model.get_layer('block5_pool').output
# Stacking a new simple convolutional network on top of it
x = Convolution2D(64, 3)(x)
x = MaxPooling2D(pool_size=(2, 2))(x)
x = Flatten()(x)
x = Dense(constant.NUMBER_FULLY_CONNECTED, activation=constant.RELU_ACTIVATION_FUNCTION)(x)
x = Dense(self.n_classes, activation=constant.SOFTMAX_ACTIVATION_FUNCTION)(x)

self.vgg = Model(inputs=base_model.input, outputs=x)
self.vgg.summary()

请注意，我们在CNN的末尾添加了以下几层：Flatten，Dense，MaxPooling和Dense。我们附加到VGG末端的“mini-CNN”的目的是连接其block5_pool，并使其以正确的类数适合我们的问题。

另外，我们将添加的图层的layer.trainable属性设置为False。这样，我们就可以通过额外的训练来保持原始模型的权重，我们必须进行这些训练才能适应新的图层。您可以通过调用self.vgg.summary()以获得修改后的模型的完整描述。

我们在类的构造函数中使用以下loss和optimizer函数：

def __init__(self, dataSet=None):
   super().__init__(dataSet)
   opt = keras.optimizers.Adam(learning_rate=0.001)
   self.vgg.compile(loss=keras.losses.binary_crossentropy,
                    optimizer=opt,
                    metrics=[constant.METRIC_ACCURACY])

应用于Yale数据集

现在，将VGGNet模型应用于Yale Face数据集。哇：我们仅在三个时代就达到了93％以上的准确率！

只是提醒您：我们从头开始开发的CNN在经过50个纪元后，为我们提供了约85％的准确性。因此，使用预训练模型已大大改善了算法的收敛性。

下一步？

就是这样：我们已经完成了面部识别部分。下一篇文章——本系列的最后一篇——将重点介绍使用深度学习的文本到语音转换。我们将应用TTS来选择一条消息播放给我们刚刚认出其面孔的人。敬请关注！