碼上快樂

相關內容    簡體    繁體

DeepLearning tutorial（5）CNN卷積神經網絡應用於人臉識別（詳細流程+代碼實現）

本文轉載自   查看原文   2017-11-04 15:45   16957    CNN卷積神經網絡/ DeepLearning/ 人臉識別/ olivettifaces人臉數據庫

DeepLearning tutorial（5）CNN卷積神經網絡應用於人臉識別（詳細流程+代碼實現）

 

@author：wepon

@blog：http://blog.csdn.net/u012162613/article/details/43277187

 

本文代碼下載地址：我的github

 

本文主要講解將CNN應用於人臉識別的流程，程序基於python+numpy+theano+PIL開發，采用類似LeNet5的CNN模型，應用於olivettifaces人臉數據庫，實現人臉識別的功能，模型的誤差降到了5%以下。本程序只是個人學習過程的一個toy implement，樣本很小，模型隨時都會過擬合。

但是，本文意在理清程序開發CNN模型的具體步驟，特別是針對圖像識別，從拿到圖像數據庫，到實現一個針對這個圖像數據庫的CNN模型，我覺得本文對這些流程的實現具有參考意義。

 

《本文目錄》

一、olivettifaces人臉數據庫介紹

二、CNN的基本“構件”（LogisticRegression、HiddenLayer、LeNetConvPoolLayer）

三、組建CNN模型，設置優化算法，應用於Olivetti Faces進行人臉識別

四、訓練結果以及參數設置的討論

五、利用訓練好的參數初始化模型

六、一些需要說明的

 

一、olivettifaces人臉數據庫介紹

 

Olivetti Faces是紐約大學的一個比較小的人臉庫，由40個人的400張圖片構成，即每個人的人臉圖片為10張。每張圖片的灰度級為8位，每個像素的灰度大小位於0-255之間，每張圖片大小為64×64。如下圖，這個圖片大小是1190*942，一共有20*20張人臉，故每張人臉大小是（1190/20）*（942/20）即57*47=2679：

 

本文所用的訓練數據就是這張圖片，400個樣本，40個類別，乍一看樣本好像比較小，用CNN效果會好嗎？先別下結論，請往下看。

要運行CNN算法，這張圖片必須先轉化為數組（或者說矩陣），這個用到python的圖像庫PIL，幾行代碼就可以搞定，具體的方法我之前剛好寫過一篇文章，也是用這張圖，考慮到文章冗長，就不復制過來了，鏈接在此：《利用Python PIL、cPickle讀取和保存圖像數據庫》。

 

訓練機器學習算法，我們一般將原始數據分成訓練數據（training_set）、驗證數據(validation_set)、測試數據(testing_set)。本程序將training_set、validation_set、testing_set分別設置為320、40、40個樣本。它們的label為0～39，對應40個不同的人。這部分的代碼如下：

 

[python]  view plain  copy
 
  1. """ 
  2. 加載圖像數據的函數,dataset_path即圖像olivettifaces的路徑 
  3. 加載olivettifaces后，划分為train_data,valid_data,test_data三個數據集 
  4. 函數返回train_data,valid_data,test_data以及對應的label 
  5. """  
  6. def load_data(dataset_path):  
  7.     img = Image.open(dataset_path)  
  8.     img_ndarray = numpy.asarray(img, dtype='float64')/256  
  9.     faces=numpy.empty((400,2679))  
  10.     for row in range(20):  
  11.        for column in range(20):  
  12.         faces[row*20+column]=numpy.ndarray.flatten(img_ndarray [row*57:(row+1)*57,column*47:(column+1)*47])  
  13.   
  14.     label=numpy.empty(400)  
  15.     for i in range(40):  
  16.     label[i*10:i*10+10]=i  
  17.     label=label.astype(numpy.int)  
  18.   
  19.     #分成訓練集、驗證集、測試集，大小如下  
  20.     train_data=numpy.empty((320,2679))  
  21.     train_label=numpy.empty(320)  
  22.     valid_data=numpy.empty((40,2679))  
  23.     valid_label=numpy.empty(40)  
  24.     test_data=numpy.empty((40,2679))  
  25.     test_label=numpy.empty(40)  
  26.   
  27.     for i in range(40):  
  28.     train_data[i*8:i*8+8]=faces[i*10:i*10+8]  
  29.     train_label[i*8:i*8+8]=label[i*10:i*10+8]  
  30.     valid_data[i]=faces[i*10+8]  
  31.     valid_label[i]=label[i*10+8]  
  32.     test_data[i]=faces[i*10+9]  
  33.     test_label[i]=label[i*10+9]  
  34.   
  35.     #將數據集定義成shared類型，才能將數據復制進GPU，利用GPU加速程序。  
  36.     def shared_dataset(data_x, data_y, borrow=True):  
  37.         shared_x = theano.shared(numpy.asarray(data_x,  
  38.                                                dtype=theano.config.floatX),  
  39.                                  borrow=borrow)  
  40.         shared_y = theano.shared(numpy.asarray(data_y,  
  41.                                                dtype=theano.config.floatX),  
  42.                                  borrow=borrow)  
  43.         return shared_x, T.cast(shared_y, 'int32')  
  44.   
  45.   
  46.   
  47.     train_set_x, train_set_y = shared_dataset(train_data,train_label)  
  48.     valid_set_x, valid_set_y = shared_dataset(valid_data,valid_label)  
  49.     test_set_x, test_set_y = shared_dataset(test_data,test_label)  
  50.     rval = [(train_set_x, train_set_y), (valid_set_x, valid_set_y),  
  51.             (test_set_x, test_set_y)]  
  52.     return rval  

 

 

二、CNN的基本“構件”（LogisticRegression、HiddenLayer、LeNetConvPoolLayer）

 
卷積神經網絡（CNN）的基本結構就是輸入層、卷積層（conv）、子采樣層（pooling）、全連接層、輸出層（分類器）。  卷積層+子采樣層一般都會有若干個，本程序實現的CNN模型參考LeNet5，有兩個“卷積+子采樣層”LeNetConvPoolLayer。全連接層相當於MLP（多層感知機）中的隱含層HiddenLayer。輸出層即分類器，一般采用softmax回歸（也有人直接叫邏輯回歸，其實就是多類別的logistics regression），本程序也直接用LogisticRegression表示。
 
總結起來，要組建CNN模型，必須先定義LeNetConvPoolLayer、HiddenLayer、LogisticRegression這三種layer，這一點在我上一篇文章介紹CNN算法時講得很詳細，包括代碼注解，因為太冗長，這里給出鏈接： 《DeepLearning tutorial（4）CNN卷積神經網絡原理簡介+代碼詳解》。
 

代碼太長，就不貼具體的了，只給出框架，具體可以下載我的代碼看看：

 

[python]  view plain  copy
 
  1. #分類器，即CNN最后一層，采用邏輯回歸（softmax）  
  2. class LogisticRegression(object):  
  3.     def __init__(self, input, n_in, n_out):  
  4.         self.W = ....  
  5.         self.b = ....  
  6.         self.p_y_given_x = ...  
  7.         self.y_pred = ...  
  8.         self.params = ...  
  9.     def negative_log_likelihood(self, y):  
  10.     def errors(self, y):  
  11.   
  12. #全連接層，分類器前一層  
  13. class HiddenLayer(object):  
  14.     def __init__(self, rng, input, n_in, n_out, W=None, b=None,activation=T.tanh):  
  15.         self.input = input  
  16.         self.W = ...  
  17.         self.b = ...  
  18.         lin_output = ...  
  19.         self.params = [self.W, self.b]  
  20.   
  21. #卷積+采樣層（conv+maxpooling）  
  22. class LeNetConvPoolLayer(object):  
  23.     def __init__(self, rng, input, filter_shape, image_shape, poolsize=(2, 2)):  
  24.         self.input = input  
  25.         self.W = ...  
  26.         self.b = ...  
  27.         # 卷積  
  28.         conv_out = ...  
  29.         # 子采樣  
  30.         pooled_out =...  
  31.         self.output = ...  
  32.         self.params = [self.W, self.b]  

 

 

 

三、組建CNN模型，設置優化算法，應用於Olivetti Faces進行人臉識別

 

上面定義好了CNN的幾個基本“構件”，現在我們使用這些構件來組建CNN模型，本程序的CNN模型參考LeNet5，具體為：input+layer0(LeNetConvPoolLayer)+layer1(LeNetConvPoolLayer)+layer2(HiddenLayer)+layer3(LogisticRegression)

 

這是一個串聯結構，代碼也很好寫，直接用第二部分定義好的各種layer去組建就行了，上一layer的輸出接下一layer的輸入，具體可以看看代碼evaluate_olivettifaces函數中的“建立CNN模型”部分。

 

CNN模型組建好了，就剩下用優化算法求解了，優化算法采用批量隨機梯度下降算法（MSGD），所以要先定義MSGD的一些要素，主要包括：代價函數，訓練、驗證、測試model、參數更新規則（即梯度下降）。這部分的代碼在evaluate_olivettifaces函數中的“定義優化算法的一些基本要素”部分。

 

優化算法的基本要素也定義好了，接下來就要運用人臉圖像數據集來訓練這個模型了，訓練過程有訓練步數（n_epoch）的設置，每個epoch會遍歷所有的訓練數據（training_set），本程序中也就是320個人臉圖。還有迭代次數iter，一次迭代遍歷一個batch里的所有樣本，具體為多少要看所設置的batch_size。關於參數的設定我在下面會討論。這一部分的代碼在evaluate_olivettifaces函數中的“訓練CNN階段”部分。

代碼很長，只貼框架，具體可以下載我的代碼看看：

 

[python]  view plain  copy
 
  1. def evaluate_olivettifaces(learning_rate=0.05, n_epochs=200,  
  2.                     dataset='olivettifaces.gif',  
  3.                     nkerns=[5, 10], batch_size=40):     
  4.   
  5.     #隨機數生成器，用於初始化參數....  
  6.     #加載數據.....  
  7.     #計算各數據集的batch個數....  
  8.     #定義幾個變量，x代表人臉數據，作為layer0的輸入......  
  9.   
  10.     ######################  
  11.     #建立CNN模型:  
  12.     #input+layer0(LeNetConvPoolLayer)+layer1(LeNetConvPoolLayer)+layer2(HiddenLayer)+layer3(LogisticRegression)  
  13.     ######################  
  14.     ...  
  15.     ....  
  16.     ......  
  17.   
  18.     #########################  
  19.     # 定義優化算法的一些基本要素：代價函數，訓練、驗證、測試model、參數更新規則（即梯度下降）  
  20.     #########################  
  21.     ...  
  22.     ....  
  23.     ......  
  24.   
  25.     #########################  
  26.     # 訓練CNN階段，尋找最優的參數。  
  27.     ########################  
  28.     ...  
  29.     .....  
  30.     .......  



 

另外，值得一提的是，在訓練CNN階段，我們必須定時地保存模型的參數，這是在訓練機器學習算法時一個經常會做的事情，這一部分的詳細介紹我之前寫過一篇文章《DeepLearning tutorial（2）機器學習算法在訓練過程中保存參數》。簡單來說，我們要保存CNN模型中layer0、layer1、layer2、layer3的參數，所以在“訓練CNN階段”這部分下面，有一句代碼：

 

[python]  view plain  copy
 
  1. save_params(layer0.params,layer1.params,layer2.params,layer3.params)  

 

 

這個函數具體定義為：

 

 

[python]  view plain  copy
 
  1. #保存訓練參數的函數  
  2. def save_params(param1,param2,param3,param4):    
  3.         import cPickle    
  4.         write_file = open('params.pkl', 'wb')     
  5.         cPickle.dump(param1, write_file, -1)  
  6.         cPickle.dump(param2, write_file, -1)  
  7.         cPickle.dump(param3, write_file, -1)  
  8.         cPickle.dump(param4, write_file, -1)  
  9.         write_file.close()    

 

 

如果在其他算法中，你要保存的參數有五個六個甚至更多，那么改一下這個函數的參數就行啦。

 

 

 

四、訓練結果以及參數設置的討論

 
ok，上面基本介紹完了CNN模型的構建，以及模型的訓練，我將它們的代碼都放在train_CNN_olivettifaces.py這個源文件中，將 Olivetti Faces這張圖片跟這個代碼文件放在同個目錄下，運行這個文件，幾分鍾就可以訓練完模型，並且在同個目錄下得到一個params.pkl文件，這個文件保存的就是最后的模型的參數，方便你以后直接使用這個模型。
 
好了，現在討論一下怎么設置參數，具體來說，程序中可以設置的參數包括：學習速率learning_rate、batch_size、n_epochs、nkerns、poolsize。下面逐一討論調節它們時對模型的影響。
 
  • 調節learning_rate
學習速率learning_rate就是運用SGD算法時梯度前面的系數，非常重要，設得太大的話算法可能永遠都優化不了，設得太小會使算法優化得太慢，而且可能還會掉入局部最優。可以形象地將learning_rate比喻成走路時步子的大小，想象一下要從一個U形的山谷的一邊走到山谷最低點，如果步子特別大，像巨人那么大，那會直接從一邊跨到另一邊，然后又跨回這邊，如此往復。如果太小了，可能你走着走着就掉入了某些小坑，因為山路總是凹凸不平的（局部最優），掉入這些小坑后，如果步子還是不變，就永遠走不出那個坑。
 
好，回到本文的模型，下面是我使用時的記錄，固定其他參數，調節learning_rate：
（1）kerns=[20, 50], batch_size=40，poolsize=（2，2），learning_rate=0.1時，validation-error一直是97.5%，沒降下來，分析了一下，覺得應該是學習速率太大，跳過了最優。

（2）nkerns=[20, 50], batch_size=40，poolsize=（2，2），learning_rate=0.01時，訓練到epoch 60多時，validation-error降到5%，test-error降到15%

（3）nkerns=[20, 50], batch_size=40，poolsize=（2，2），learning_rate=0.05時，訓練到epoch 36時，validation-error降到2.5%，test-error降到5%

注意，驗證集和測試集都只有40張圖片，也就是說只有一兩張識別錯了，還是不錯的，數據集再大點，誤差率可以降到更小。最后我將learning_rate設置為0.05。

PS：學習速率應該自適應地減小，是有專門的一些算法的，本程序沒有實現這個功能，有時間再研究一下。
 

 

 

 

  • 調節batch_size

因為我們采用minibatch SGD算法來優化，所以是一個batch一個batch地將數據輸入CNN模型中，然后計算這個batch的所有樣本的平均損失，即代價函數是所有樣本的平均。而batch_size就是一個batch的所包含的樣本數，顯然batch_size將影響到模型的優化程度和速度。

 

 

回到本文的模型，首先因為我們train_dataset是320，valid_dataset和test_dataset都是40，所以batch_size最好都是40的因子，也就是能讓40整除，比如40、20、10、5、2、1，否則會浪費一些樣本，比如設置為30，則320/30=10，余數時20，這20個樣本是沒被利用的。並且，如果batch_size設置為30，則得出的validation-error和test-error只是30個樣本的錯誤率，並不是全部40個樣本的錯誤率。這是設置batch_size要注意的。特別是樣本比較少的時候。


下面是我實驗時的記錄，固定其他參數，改變batch_size:
batch_size=1、2、5、10、20時，validation-error一直是97.5%，沒降下來。我覺得可能是樣本類別覆蓋率過小，因為我們的數據是按類別排的，每個類別10個樣本是連續排在一起的，batch_size等於20時其實只包含了兩個類別，這樣優化會很慢。

因此最后我將batch_size設為40，也就是valid_dataset和test_dataset的大小了，沒辦法，原始數據集樣本太少了。一般我們都不會讓batch_size達到valid_dataset和test_dataset的大小的。

 

 

  • 關於n_epochs

n_epochs也就是最大的訓練步數，比如設為200，那訓練過程最多遍歷你的數據集200遍，當遍歷了200遍你的dataset時，程序會停止。n_epochs就相當於一個停止程序的控制參數，並不會影響CNN模型的優化程度和速度，只是一個控制程序結束的參數。

 

 

  • nkerns=[20, 50]

 

20表示第一個卷積層的卷積核的個數，50表示第二個卷積層的卷積核的個數。這個我也是瞎調的，暫時沒什么經驗可以總結。
不過從理論上來說，卷積核的個數其實就代表了特征的個數，你提取的特征越多，可能最后分類就越准。但是，特征太多（卷積核太多），會增加參數的規模，加大了計算復雜度，而且有時候卷積核也不是越多越好，應根據具體的應用對象來確定。所以我覺得，CNN雖號稱自動提取特征，免去復雜的特征工程，但是很多參數比如這里的nkerns還是需要去調節的，還是需要一些“人工”的。


下面是我的實驗記錄，固定batch_size=40，learning_rate=0.05，poolsize=（2，2）：

（1）nkerns=[20, 50]時，訓練到epoch 36時，validation-error降到2.5%，test-error降到5%

（2）nkerns=[10, 30]時，訓練到epoch 46時，validation-error降到5%，test-error降到5%

（3）nkerns=[5, 10]時，訓練到epoch 38時，validation-error降到5%，test-error降到7.5%

 

 

  • poolsize=(2, 2)

 

 

poolzize在本程序中是設置為(2,2)，即從一個2*2的區域里maxpooling出1個像素，說白了就算4和像素保留成1個像素。本例程中人臉圖像大小是57*47，對這種小圖像來說，(2,2)時比較合理的。如果你用的圖像比較大，可以把poolsize設的大一點。

 

 

 

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++分割線+++++++++++++++++++++++++++++++++++++++++++

 

 

上面部分介紹完了CNN模型構建以及模型訓練的過程，代碼都在train_CNN_olivettifaces.py里面，訓練完可以得到一個params.pkl文件，這個文件保存的就是最后的模型的參數，方便你以后直接使用這個模型。以后只需利用這些保存下來的參數來初始化CNN模型，就得到一個可以使用的CNN系統，將人臉圖輸入這個CNN系統，預測人臉圖的類別。

接下來就介紹怎么使用訓練好的參數的方法，這部分的代碼放在use_CNN_olivettifaces.py文件中。

 

 

 

五、利用訓練好的參數初始化模型

 
在train_CNN_olivettifaces.py中的LeNetConvPoolLayer、HiddenLayer、LogisticRegression是用隨機數生成器去隨機初始化的，我們將它們定義為可以用參數來初始化的版本，其實很簡單，代碼只需要做稍微的改動，只需要在LogisticRegression、HiddenLayer、LeNetConvPoolLayer這三個class的__init__()函數中加兩個參數params_W,params_b，然后將params_W,params_b賦值給這三個class里的W和b：
 
[python]  view plain  copy
 
  1. self.W = params_W  
  2. self.b = params_b  

params_W,params_b就是從params.pkl文件中讀取來的，讀取的函數：
[python]  view plain  copy
 
  1. #讀取之前保存的訓練參數  
  2. #layer0_params~layer3_params都是包含W和b的,layer*_params[0]是W，layer*_params[1]是b  
  3. def load_params(params_file):  
  4.     f=open(params_file,'rb')  
  5.     layer0_params=cPickle.load(f)  
  6.     layer1_params=cPickle.load(f)  
  7.     layer2_params=cPickle.load(f)  
  8.     layer3_params=cPickle.load(f)  
  9.     f.close()  
  10.     return layer0_params,layer1_params,layer2_params,layer3_params  


ok，可以用參數初始化的CNN定義好了，那現在就將需要測試的人臉圖輸入該CNN，測試其類別。同樣的，需要寫一個讀圖像的函數load_data()，代碼就不貼了。將圖像數據輸入，CNN的輸出便是該圖像的類別，這一部分的代碼在use_CNN()函數中，代碼很容易看懂。
 
這一部分還涉及到theano.function的使用，我把一些筆記記在了use_CNN_olivettifaces.py代碼的最后，因為跟代碼相關，結合代碼來看會比較好，所以下面就不講這部分，有興趣的看看代碼。
 
最后說說測試的結果，我仍然以整副olivettifaces.gif作為輸入，得出其類別后，跟真正的label對比，程序輸出被錯分的那些圖像，運行結果如下：
 
 
錯了五張，我標了三張：
 
 
 
 

六、一些需要說明的

 
首先是本文的嚴謹性：在文章開頭我就說這只是一個toy implement，400張圖片根本不適合用DL來做。
當然我寫這篇文章，只是為了總結一下這個實現流程，這一點希望對讀者也有參考意義。
 
最后，我的代碼都放在這里： github地址，可以下載
 

歡迎留言交流，有任何錯誤請不吝指出！

 


免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。



猜您在找 CNN卷積神經網絡應用：人臉識別 CNN卷積神經網絡人臉識別 cnn 卷積神經網絡 人臉識別 人臉檢測及識別python實現系列（4）——卷積神經網絡（CNN）入門 論文解讀丨圖神經網絡應用於半結構化文檔的命名實體識別和關系提取 CNN卷積神經網絡原理講解+圖片識別應用 卷積神經網絡（CNN）在語音識別中的應用 CNN卷積神經網絡_MNIST手寫數字識別代碼實現 CNN卷積神經網絡代碼實現【基於Python,Tensorflow】 卷積神經網絡(CNN)代碼實現(MNIST)解析
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM