DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）
DeepLearning tutorial（5）CNN卷積神經網絡應用于人臉識別（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應用于人臉識別的流程，程序基于python+numpy+theano+PIL開發，采用類似LeNet5的CNN模型，應用于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，模型可能存在overfitting，因為樣本小，這一點也無從驗證。
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，應用于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于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 plaincopy
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。全連接層相當于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 plaincopy
三、組建CNN模型，設置優化算法，應用于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。關于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 plaincopy
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 plaincopy
這個函數具體定義為：
[python] view plaincopy
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，幾分鐘就可以訓練完模型，并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
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
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。并且，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，并不是全部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等于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。
- 關于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就相當于一個停止程序的控制參數，并不會影響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，可能最后分類就越準。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 plaincopy
params_W,params_b就是從params.pkl文件中讀取來的，讀取的函數：
[python] view plaincopy
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，我從建立這個模型到開發實現，用的時間比寫這篇文章的時間還少，所以后來我覺得雖然錯分率比較低，但是很可能是模型overfitting了，為什么？樣本太少，可能這個模型就是在這400張圖片里面跑的效果比較好。你讓這40個人再拍一些照片來測這個模型，可能效果就不好了。這個是我最后要說明的，以免誤導。 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
備注：?【細思，這個模型很不合理，嚴重過擬合。但代碼框架還是可以用的。大牛請輕噴】
總結
以上是生活随笔為你收集整理的DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【DeepLearning工具】Fedo
- 下一篇： 《Neural networks and