from：?http://blog.csdn.net/chenriwei2/article/details/49500687

導(dǎo)言

深度學(xué)習(xí)深似海、尤其是在圖像人臉識別領(lǐng)域，最近幾年的頂會(huì)和頂刊常常會(huì)出現(xiàn)沒有太多的理論創(chuàng)新的文章，但是效果擺在那邊。

DeepID是深度學(xué)習(xí)方法進(jìn)行人臉識別中的一個(gè)簡單，卻高效的一個(gè)網(wǎng)絡(luò)模型，其結(jié)構(gòu)的特點(diǎn)可以概括為兩句話：1、訓(xùn)練一個(gè)多個(gè)人臉的分類器，當(dāng)訓(xùn)練好之后，就可以把待測試圖像放入網(wǎng)絡(luò)中進(jìn)行提取特征，2對于提取到的特征，然后就是利用其它的比較方法進(jìn)行度量。具體的論文可以參照我的一篇論文筆記：【深度學(xué)習(xí)論文筆記】Deep Learning Face Representation from Predicting 10,000 Classes

首先我們完全參考論文的方法用Caffe設(shè)計(jì)一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)：

其拓?fù)鋱D如圖1所示：

?
圖1：DeepID的網(wǎng)絡(luò)結(jié)構(gòu)，圖像比較大，需要放大才能看的清楚

網(wǎng)絡(luò)定義文件：

略

2. 數(shù)據(jù)選擇

訓(xùn)練一個(gè)好的深度模型，一個(gè)好的訓(xùn)練數(shù)據(jù)是必不可少的。針對人臉識別的數(shù)據(jù)，目前公開的數(shù)據(jù)也有很多：比如最近的MegaFace、港大的Celbra A、中科研的WebFace 等等。在這里，我選擇WebFace人臉數(shù)據(jù)庫作為訓(xùn)練（人臉庫不是很干凈，噪聲較多），圖像公共50萬張左右，共10575個(gè)人，但是數(shù)據(jù)不平衡。

要評測一個(gè)算法的性能，需要找一個(gè)公平的比對數(shù)據(jù)庫來評測，在人臉驗(yàn)證中，LFW數(shù)據(jù)庫無疑是最好的選擇。在lfw評測中，給出6000千對人臉圖像對進(jìn)行人匹配。

3. 數(shù)據(jù)處理

訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)都選擇好之后，就需要進(jìn)行數(shù)據(jù)處理了，為了提供較好的識別準(zhǔn)確度，我采用了訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)統(tǒng)一的預(yù)處理方法（雖然LFW上有提供已經(jīng)預(yù)處理過的人臉圖像，但是預(yù)處理的具體參數(shù)還是未知的），測試數(shù)據(jù)和訓(xùn)練數(shù)據(jù)都采樣相同的人臉檢測和對齊方法。

主要分為3個(gè)步驟：?
1，人臉檢測?
2，人臉特征點(diǎn)檢測?
3、人臉的對齊

這三個(gè)步驟可以用我做的一個(gè)小工具：FaceTools?來一鍵完成。

具體來說，需要選擇一個(gè)標(biāo)準(zhǔn)的人臉圖像作為對齊的基準(zhǔn)，我挑選一位帥哥當(dāng)標(biāo)準(zhǔn)圖像：?
如圖：?

訓(xùn)練數(shù)據(jù)通過對齊后是這樣的：?

LFW測試數(shù)據(jù)通過對齊后是這樣的：?

4.數(shù)據(jù)轉(zhuǎn)換

圖像處理好之后，需要將其轉(zhuǎn)化為Caffe 可以接受的格式。雖然Caffe支持直接讀圖像文件的格式進(jìn)行訓(xùn)練，但是這種方式磁盤IO會(huì)比較的大，所以我這里不采用圖像列表的方式，而是將訓(xùn)練和驗(yàn)證圖片都轉(zhuǎn)化為LMDB的格式處理。

4.1 劃分訓(xùn)練集驗(yàn)證集

劃分訓(xùn)練集和驗(yàn)證集（我采樣的是9：1的比例）?
腳本如下：

略

4.2 數(shù)據(jù)轉(zhuǎn)換

再調(diào)用Caffe 提供的轉(zhuǎn)化函數(shù)：?
腳本如下：

略

這樣之后，訓(xùn)練的數(shù)據(jù)就準(zhǔn)備好了。

訓(xùn)練網(wǎng)絡(luò)

上面的這些步驟之后，數(shù)據(jù)就已經(jīng)處理好了，現(xiàn)在需要指定網(wǎng)絡(luò)的超參數(shù)：

具體超參數(shù)設(shè)置如下：

略

訓(xùn)練的時(shí)候，可以查看學(xué)習(xí)曲線：?

6.LFW上測試

LFW上，提供了6000對的人臉圖像對來作為評測數(shù)據(jù)，由于我采用的是自己選的人臉檢測和對齊方法，所以有些人臉在我的預(yù)處理里面丟失了（檢測不到），為了簡單的處理這種情況，在提特征的時(shí)候，沒有檢測到的圖像就用原來的圖像去替代。

略

然后進(jìn)行人臉的比對

略

結(jié)果ROC曲線：?

通過選擇合適的腳本，得到的準(zhǔn)確度為：0.826333333333, 有點(diǎn)低。

7.結(jié)果分析

實(shí)驗(yàn)的結(jié)果沒有理想中的那么好，主要的原因分為幾個(gè)：?
1、數(shù)據(jù)集不夠好：有較多的噪聲數(shù)據(jù)?
2、數(shù)據(jù)集合不平衡：每個(gè)人的圖片個(gè)數(shù)從幾十張到幾百張不等。?
3,、網(wǎng)絡(luò)結(jié)構(gòu)沒優(yōu)化：原始的DeepID的大小為：48*48，而我選擇的人臉圖像大小為64*64，網(wǎng)絡(luò)結(jié)構(gòu)卻沒有相對應(yīng)的調(diào)整。（主要影響在于全連接層的個(gè)數(shù)太多了）

總結(jié)

以上是生活随笔為你收集整理的【Caffe实践】基于Caffe的人脸识别实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。