【VGG】口罩人脸分类

---

1. 项目准备

1.1. 问题导入

新冠肺炎病毒在全球肆虐，武汉大学率先公开了口罩遮挡人脸数据集。我们从中选取了6000余张戴口罩的人脸图片和6000余张正常的人脸图片作为实验数据集，以训练改进版的VGG16模型，使其能够实现对人脸是否佩戴口罩的判定。

1.2. 数据集简介

本次实验采用的是武汉大学口罩遮挡人脸数据集（RMFD）的一部分，它包含6000余张戴口罩的人脸图片和6000余张正常的人脸图片。

这是数据集的下载链接：人脸口罩分类数据集 - AI Studio

2. VGG模型

VGG是由 Simonyan和Zisserman（2014）在论文中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组（Visual Geometry Group）的缩写，它是2014年ILSVRC竞赛的第二名（第一名是GoogLeNet），但是VGG在多个迁移学习任务中的表现要优于GoogLeNet。

作者在论文中证明了小尺寸（3×3）卷积核的深层网络要优于大尺寸卷积核的浅层网络，因此VGG模型采用3×3的卷积核代替了其他的大尺寸卷积核。VGG中根据卷积核大小和卷积层数目的不同，可分为A、A-LRN、B、C、D、E共6个配置（ConvNet Configuration），其中以D和E两种配置较为常用，分别称为VGG16和VGG19。本实验使用的是VGG16模型（如下图D所示）。

---

3. 实验步骤

3.0. 前期准备

• 导入模块

注意：本案例仅适用于PaddlePaddle 2.0+版本

import os
import zipfile
import random
import numpy as np
from PIL import Image, ImageEnhance
import matplotlib.pyplot as plt

import paddle
from paddle import nn
from paddle import metric as M
from paddle.io import DataLoader, Dataset
from paddle.nn import functional as F
from paddle.optimizer import Adam
from paddle.optimizer.lr import NaturalExpDecay

• 设置超参数

BATCH_SIZE = 64      # 每批次的样本数
EPOCHS = 8           # 训练轮数
LOG_GAP = 100        # 输出训练信息的间隔

CLASS_DIM = 2        # 图像种类
LAB_DICT = {         # 记录标签和数字的关系
    "0": "没戴口罩",
    "1": "戴了口罩"
}

INIT_LR = 3e-4       # 初始学习率
LR_DECAY = 0.6       # 学习率衰减率

SRC_PATH = "./data/data52391/Masked_Face.zip"    # 压缩包路径
DST_PATH = "./data"                              # 解压路径
DATA_PATH = {                                    # 实验数据集路径
    "0": DST_PATH + "/AFDB_face_dataset",        # 正常人脸
    "1": DST_PATH + "/AFDB_masked_face_dataset"  # 口罩人脸
}
INFER_PATH = ["./work/n1.jpg", "./work/n2.jpg", 
              "./work/m1.jpg", "./work/m2.jpg"]  # 预测数据集路径
MODEL_PATH = "VGG.pdparams"                      # 模型参数保存路径

3.1. 数据准备

• 解压数据集
  由于数据集中的数据是以压缩包的形式存放的，因此我们需要先解压数据压缩包。

if not os.path.isdir(DATA_PATH["0"]) or not os.path.isdir(DATA_PATH["1"]):
    z = zipfile.ZipFile(SRC_PATH, "r")   # 打开压缩文件，创建zip对象
    z.extractall(path=DST_PATH)          # 解压zip文件至目标路径
    z.close()
print("数据集解压完成！")

• 划分数据集
  我们需要按1:9比例划分测试集和训练集，分别生成两个包含数据路径和标签映射关系的列表。

def get_data_list(lab_no, path):   # 划分path路径下的数据集
    count = 0      # 记录图片的数量，便于划分数据集
    temp_train_list, temp_test_list = [], []   # 临时存放数据集位置及类别
    file_folders = os.listdir(path)            # 获取path路径下所有的文件夹
    for folder in file_folders:
        images = os.listdir(os.path.join(path, folder))
        for img in images:
            img_path = os.path.join(path, folder, img)
            if count % 10 == 0:           # 按照1:9的比例划分数据集
                temp_test_list.append([img_path, lab_no])
            else:
                temp_train_list.append([img_path, lab_no])
            count += 1
    return temp_train_list, temp_test_list

train_lt1, test_lt1 = get_data_list(0, DATA_PATH["0"])  # 划分“正常人脸”
train_lt2, test_lt2 = get_data_list(1, DATA_PATH["1"])  # 划分“口罩人脸”
train_list = train_lt1 + train_lt2
test_list = test_lt1 + test_lt2

• 数据增强
  由于实验模型较为复杂，直接训练容易发生过拟合，故在处理实验数据集时采用数据增强的方法扩充数据集的多样性。数据増广（Data Augmentation），即数据增强，数据增强的目的主要是减少网络的过拟合现象，通过对训练图片进行变换可以得到泛化能力更强的网络，更好地适应应用场景。本实验中用到的数据增强方法有：随机改变亮度，随机改变对比度，随机改变饱和度，随机改变清晰度，随机翻转图像，随机加高斯噪声等。

def random_brightness(img, low=0.5, high=1.5):
    ''' 随机改变亮度(0.5~1.5) '''
    x = random.uniform(low, high)
    img = ImageEnhance.Brightness(img).enhance(x)
    return img

def random_contrast(img, low=0.5, high=1.5):
    ''' 随机改变对比度(0.5~1.5) '''
    x = random.uniform(low, high)
    img = ImageEnhance.Contrast(img).enhance(x)
    return img

def random_color(img, low=0.5, high=1.5):
    ''' 随机改变饱和度(0.5~1.5) '''
    x = random.uniform(low, high)
    img = ImageEnhance.Color(img).enhance(x)
    return img

def random_sharpness(img, low=0.5, high=1.5):
    ''' 随机改变清晰度(0.5~1.5) '''
    x = random.uniform(low, high)
    img = ImageEnhance.Sharpness(img).enhance(x)
    return img

def random_flip(img, prob=0.5):
    ''' 随机翻转图像(p=0.5) '''
    if random.random() < prob:   # 左右翻转
        img = img.transpose(Image.FLIP_LEFT_RIGHT)
    # if random.random() < prob:   # 上下翻转
    #     img = img.transpose(Image.FLIP_TOP_BOTTOM)
    return img

def random_rotate(img, low=-30, high=30):
    ''' 随机旋转图像(-30~30) '''
    angle = random.choice(range(low, high))
    img = img.rotate(angle)
    return img

def random_noise(img, low=0, high=10):
    ''' 随机加高斯噪声(0~10) '''
    img = np.asarray(img)
    sigma = np.random.uniform(low, high)
    noise = np.random.randn(img.shape[0], img.shape[1], 3) * sigma
    img = img + np.round(noise).astype('uint8')
    # 将矩阵中的所有元素值限制在0~255之间：
    img[img > 255], img[img < 0] = 255, 0
    img = Image.fromarray(img)
    return img

def image_augment(img, prob=0.5):
    ''' 叠加多种数据增强方法 '''
    opts = [random_brightness, random_contrast, random_color, random_flip,
            random_rotate, random_noise, random_sharpness,]  # 数据增强方法
    random.shuffle(opts)
    for opt in opts:
        img = opt(img) if random.random() < prob else img     # 处理图像
    return img

• 数据预处理
  我们需要对数据集图像进行缩放和归一化处理。

class MyDataset(Dataset):
    ''' 自定义的数据集类 '''
    
    def __init__(self, label_list, transform, augment=None):
        '''
        * `label_list`: 标签与文件路径的映射列表
        * `transform`: 数据处理函数
        * `augment`: 数据增强函数（默认为空）
        '''
        super(MyDataset, self).__init__()
        random.shuffle(label_list)      # 打乱映射列表
        self.label_list = label_list
        self.transform = transform
        self.augment = augment

    def __getitem__(self, index):
        ''' 根据位序获取对应数据 '''
        img_path, label = self.label_list[index]
        img = self.transform(img_path, self.augment)
        return img, int(label)

    def __len__(self):
        ''' 获取数据集样本总数 '''
        return len(self.label_list)


def data_mapper(img_path, augment=None, show=False):
    ''' 图像处理函数 '''
    img = Image.open(img_path).convert("RGB")   # 以RGB模式打开图片
    # 将其缩放为224*224的高质量图像：
    img = img.resize((224, 224), Image.ANTIALIAS)
    if show:                  # 展示图像
        display(img)
    if augment is not None:   # 数据增强
        img = augment(img)
    # 把图像变成一个numpy数组以匹配数据馈送格式：
    img = np.array(img).astype("float32")
    # 将图像矩阵由“rgb,rgb,rbg...”转置为“rr...,gg...,bb...”：
    img = img.transpose((2, 0, 1))
    # 将图像数据归一化，并转换成Tensor格式：
    img = paddle.to_tensor(img / 255.0)
    return img

train_dataset = MyDataset(train_list, data_mapper, image_augment) # 训练集
test_dataset = MyDataset(test_list, data_mapper, augment=None)    # 测试集

• 定义数据提供器
  我们需要分别构建用于训练和测试的数据提供器，其中训练数据提供器是乱序、按批次提供数据的。

train_loader = DataLoader(train_dataset,            # 训练数据集
                          batch_size=BATCH_SIZE,    # 每批读取的样本数
                          num_workers=0,            # 加载数据的子进程个数
                          shuffle=True,             # 打乱训练数据集
                          drop_last=False)          # 不丢弃不完整的样本

test_loader = DataLoader(test_dataset,              # 测试数据集
                         batch_size=BATCH_SIZE,     # 每批读取的样本数
                         num_workers=0,             # 加载数据的子进程个数
                         shuffle=False,             # 不打乱测试数据集
                         drop_last=False)           # 不丢弃不完整的样本

3.2. 网络配置

• 模型改进
  原始的VGG16包含13个卷积层、5个池化层、3个全连接层，它常常被用于分类问题。由于本实验的数据集并不是特别大，而实验模型又比较复杂，因此需要改进VGG16模型。为了减少模型的复杂程度，我们选择用一层全局池化层来取代VGG16模型的前两层全连接层（模型结构如下图所示），这样可以大大减少我们需要训练的参数。这对于简化实验模型、防止出现过拟合、提升模型训练速度等，均有很大的帮助。
  

class ConvBN2d(nn.Layer):
    ''' Conv2D with BatchNorm2D and ReLU '''

    def __init__(self, in_channels: int, out_channels: int,
                 kernel_size: int, stride=1, padding=0):
        '''
        * `in_channels`: 输入通道数
        * `out_channels`: 输出通道数
        * `kernel_size`: 卷积核大小
        * `stride`: 卷积运算的步长
        * `padding`: 卷积填充的大小
        '''
        super(ConvBN2d, self).__init__()
        self.net = nn.Sequential(
            nn.Conv2D(in_channels, out_channels, kernel_size, stride, padding),
            nn.BatchNorm2D(out_channels),
            nn.ReLU()
        )

    def forward(self, x):
        return self.net(x)

class ConvPool(nn.Layer):
    ''' Conv-Pool Block '''

    def __init__(self, conv_args: tuple, pool_args: tuple,
                 conv_num=1, pool_type="max"):
        '''
        * `conv_args`: 卷积层参数([输入通道数,输出通道数,卷积核大小,卷积步长,填充长度])
        * `pool_args`: 池化层参数([池化核大小,池化步长,填充长度] or [])
        * `conv_num`: 卷积层的个数
        * `pool_type`: 池化类型(max or avg or global)
        '''
        super(ConvPool, self).__init__()

        # (1) 定义卷积层：
        for i in range(conv_num):  # 定义conv_num个卷积层
            conv = ConvBN2d(*conv_args)
            conv_args[0] = conv_args[1]
            self.add_sublayer("conv_%d" % i, conv)

        # (2) 定义池化层：
        pool_type = pool_type.lower()
        if pool_type == "max":      # 最大池化
            pool = nn.MaxPool2D(*pool_args)
        elif pool_type == "avg":    # 平均池化
            pool = nn.AvgPool2D(*pool_args)
        else:                       # 全局平均池化
            pool = nn.AdaptiveAvgPool2D(1)
        self.add_sublayer("pool", pool)

    def forward(self, x):
        for name, sublayer in self.named_children():
            x = sublayer(x)
        return x

class VGG(nn.Layer):
    def __init__(self, in_channels=3, n_classes=2, mtype=16, global_pool=False):
        '''
        * `in_channels`: 输入的通道数
        * `n_classes`: 输出分类数量
        * `mtype`: VGG类型 (11 or 13 or 16 or 19)
        * `global_pool`: 是否用全局平均池化改进VGG
        '''
        super(VGG, self).__init__()
        if mtype == 11:          # Type A => VGG-11
            nums = [1, 1, 2, 2, 2]
        elif mtype == 13:        # Type B => VGG-13
            nums = [2, 2, 2, 2, 2]
        elif mtype == 16:        # Type D => VGG-16
            nums = [2, 2, 3, 3, 3]
        elif mtype == 19:        # Type E => VGG-19
            nums = [2, 2, 4, 4, 4]
        else:
            raise NotImplementedError("The [mtype] must in [11, 13, 16, 19].")

        self.conv1 = ConvPool([in_channels, 64, 3, 1, 1], [2, 2], nums[0], "max")
        self.conv2 = ConvPool([64, 128, 3, 1, 1], [2, 2], nums[1], "max")
        self.conv3 = ConvPool([128, 256, 3, 1, 1], [2, 2], nums[2], "max")
        self.conv4 = ConvPool([256, 512, 3, 1, 1], [2, 2], nums[3], "max")
        if global_pool:
            self.conv5 = ConvPool([512, 512, 3, 1, 1], [], nums[4], "global")
            self.linear = nn.Sequential(nn.Flatten(1, -1),
                                        nn.Linear(512, n_classes))
        else:
            self.conv5 = ConvPool([512, 512, 3, 1, 1], [2, 2], nums[4], "max")
            self.linear = nn.Sequential(nn.Flatten(1, -1),
                                        nn.Linear(512*7*7, 4096),
                                        nn.ReLU(),
                                        nn.Dropout(0.5),
                                        nn.Linear(4096, 4096),
                                        nn.ReLU(),
                                        nn.Dropout(0.5),
                                        nn.Linear(4096, n_classes))

    def forward(self, x):
        x = self.conv1(x)       # conv1 => 64*112*112
        x = self.conv2(x)       # conv2 => 128*56*56
        x = self.conv3(x)       # conv3 => 256*28*28
        x = self.conv4(x)       # conv4 => 512*14*14
        x = self.conv5(x)       # conv5 => 512*7*7
        y = self.linear(x)      # linear => n_classes
        return y

• 实例化模型

model = VGG(in_channels=3, n_classes=CLASS_DIM, 
            mtype=16, global_pool=True)     # VGG-16

3.3. 模型训练

model.train()                # 开启训练模式
scheduler = NaturalExpDecay(
    learning_rate=INIT_LR,
    gamma=LR_DECAY
)                            # 定义学习率衰减器
optimizer = Adam(
    learning_rate=scheduler,
    parameters=model.parameters()
)                            # 定义Adam优化器
loss_arr, acc_arr = [], []   # 用于可视化

for ep in range(EPOCHS):
    for batch_id, data in enumerate(train_loader()):
        x_data, y_data = data
        y_data = y_data[:, np.newaxis]          # 增加一维维度
        y_pred = model(x_data)                  # 预测结果
        acc = M.accuracy(y_pred, y_data)        # 计算准确率
        loss = F.cross_entropy(y_pred, y_data)  # 计算交叉熵
        if batch_id != 0 and batch_id % LOG_GAP == 0:   # 定期输出训练结果
            print("Epoch：%d，Batch：%3d，Loss：%.5f，Acc：%.5f"\
                % (ep, batch_id, loss, acc))
        acc_arr.append(acc.item())
        loss_arr.append(loss.item())
        optimizer.clear_grad()
        loss.backward()
        optimizer.step()
    scheduler.step()       # 每轮衰减一次学习率

paddle.save(model.state_dict(), MODEL_PATH)  # 保存训练好的模型

模型训练结果如下：

Epoch：0，Batch：  0，Loss：0.65380，Acc：0.59375
Epoch：0，Batch：100，Loss：0.35155，Acc：0.76562
Epoch：1，Batch：  0，Loss：0.10918，Acc：0.96875
Epoch：1，Batch：100，Loss：0.17284，Acc：0.90625
Epoch：2，Batch：  0，Loss：0.09818，Acc：0.95312
Epoch：2，Batch：100，Loss：0.12185，Acc：0.95312
Epoch：3，Batch：  0，Loss：0.24998，Acc：0.95312
Epoch：3，Batch：100，Loss：0.10257，Acc：0.93750
Epoch：4，Batch：  0，Loss：0.16910，Acc：0.98438
Epoch：4，Batch：100，Loss：0.09855，Acc：0.98438
Epoch：5，Batch：  0，Loss：0.06119，Acc：0.98438
Epoch：5，Batch：100，Loss：0.09231，Acc：0.95312
Epoch：6，Batch：  0，Loss：0.08556，Acc：0.96875
Epoch：6，Batch：100，Loss：0.02138，Acc：1.00000
Epoch：7，Batch：  0，Loss：0.06875，Acc：0.98438
Epoch：7，Batch：100，Loss：0.05027，Acc：0.98438

• 可视化训练过程

fig = plt.figure(figsize=[10, 8])

# 训练误差图像：
ax1 = fig.add_subplot(211, facecolor="#E8E8F8")
ax1.set_ylabel("Loss", fontsize=18)
plt.tick_params(labelsize=14)
ax1.plot(range(len(loss_arr)), loss_arr, color="orangered")
ax1.grid(linewidth=1.5, color="white")  # 显示网格

# 训练准确率图像：
ax2 = fig.add_subplot(212, facecolor="#E8E8F8")
ax2.set_xlabel("Training Steps", fontsize=18)
ax2.set_ylabel("Accuracy", fontsize=18)
plt.tick_params(labelsize=14)
ax2.plot(range(len(acc_arr)), acc_arr, color="dodgerblue")
ax2.grid(linewidth=1.5, color="white")  # 显示网格

fig.tight_layout()
plt.show()
plt.close()

3.4. 模型评估

model.eval()                 # 开启评估模式
test_costs, test_accs = [], []

for batch_id, data in enumerate(test_loader()):
    x_data, y_data = data
    y_data = y_data[:, np.newaxis]          # 增加一维维度
    y_pred = model(x_data)                  # 预测结果
    acc = M.accuracy(y_pred, y_data)        # 计算准确率
    loss = F.cross_entropy(y_pred, y_data)  # 计算交叉熵
    test_accs.append(acc.item())
    test_costs.append(loss.item())
test_loss = np.mean(test_costs)    # 每轮测试的平均误差
test_acc = np.mean(test_accs)      # 每轮测试的平均准确率
print("Eval \t Loss：%.5f，Acc：%.5f" % (test_loss, test_acc))

模型评估结果如下：

Eval 	 Loss：0.03680，Acc：0.98849

3.5. 模型预测

model.eval()                 # 开启评估模式
model.set_state_dict(
    paddle.load(MODEL_PATH)
)   # 载入预训练模型参数

for idx, img_path in enumerate(INFER_PATH):
    image = data_mapper(img_path, show=True)  # 获取预测图片
    image = image[np.newaxis, :, :, :]
    result = model(image).numpy()             # 开始模型预测
    lab = str(np.argmax(result))              # 获取result数组最大值的索引
    print("图%d的预测结果：%s" % (idx+1, LAB_DICT[lab]))

模型预测结果如下：

图1的预测结果为：没戴口罩

图2的预测结果为：没戴口罩

图3的预测结果为：戴了口罩

图4的预测结果为：戴了口罩

---

写在最后

• 如果您发现项目存在问题，或者如果您有更好的建议，欢迎在下方评论区中留言讨论~
• 这是本项目的链接：实验项目 - AI Studio，点击fork可直接在AI Studio运行~
• 这是我的个人主页：个人主页 - AI Studio，来AI Studio互粉吧，等你哦~
• 【友链滴滴】欢迎大家随时访问我的个人博客~