65.9K
CodeProject 正在变化。 阅读更多。
Home

为 AI 人脸识别准备数据集

Arnaldo P. Castaño
starIconstarIconstarIconstarIconstarIcon

5.00/5 (3投票s)

2020 年 8 月 4 日

CPOL

4分钟阅读

viewsIcon

10551

downloadIcon

263

在本文中，我们将讨论如何准备数据集，以便向 CNN 提供正确的数据。

引言

如果你看过电影《少数派报告》，你可能还记得汤姆·克鲁斯走进 Gap 商店的场景。一个视网膜扫描仪读取了他的眼睛，并为他播放了一个定制广告。 现在是 2020 年。 我们不需要视网膜扫描仪，因为我们有人工智能 (AI) 和机器学习 (ML)！

在本系列中，我们将向你展示如何使用深度学习来执行面部识别，然后 - 基于识别出的面部 - 使用神经网络 文本到语音 (TTS) 引擎来播放定制广告。欢迎你在 CodeProject 上浏览代码，或下载 .zip 文件，在你自己的机器上浏览代码。

我们假设你熟悉 AI/ML 的基本概念，并且能够使用 Python。

本系列由五篇文章组成

获取数据集

在前一篇文章中，我们描述了在图像中检测人脸的过程。现在我们知道如何从较大的图片或视频中获得裁剪的人脸图像，假设我们已经完成了这项练习，并最终获得了一个数据集（人脸集）来训练我们的 CNN。 但是，在训练之前，我们需要处理这个数据集以对数据进行分类和规范化。 在本文中，我们将创建一个数据集解析器/处理器，并在 Yale 人脸数据集上运行它，该数据集包含 15 个不同人物的 165 张灰度图像。 这个数据集很小，但足以满足我们的目的 - 学习。

准备一个解析器

数据集解析器将驻留在两个类中 - 一个抽象的更通用的类，以及一个处理所选数据集的细节的类。 让我们看看父类的构造函数。

class FaceDataSet(metaclass=abc.ABCMeta):

    def __init__(self, path,  extension_list, n_classes):
        self.path = path
        self.ext_list = extension_list
        self.n_classes = n_classes
        self.objects = []
        self.labels = []
        self.obj_validation = []
        self.labels_validation = []
        self.number_labels = 0

构造函数参数是

  • path：包含数据集样本（图像）的文件夹的路径
  • extension_list：要在 path 定义的文件夹中查找的文件的扩展名（一个或多个）
  • n_classes：将数据集分类成的类的数量； 对于 Yale 数据集，这将是 15，因为这是数据集中人物的数量

我们还创建了下一个类对象

  • objects：用于 CNN 训练的图像
  • labels：对图像（对象）进行分类的标签（主题编号）
  • obj_validation：用于在训练后验证 CNN 的图像子集
  • labels_validation：obj_validation 列表的分类器（标签）
  • number_labels：数据集中标签的总数

get_data() 方法是我们将在实例化 FaceDataSet 类后调用的方法。

def get_data(self):
    img_path_list = os.listdir(self.path)
    self.objects, self.labels = self.fetch_img_path(img_path_list, self.path, vgg_img_processing)
    self.process_data(vgg_img_processing)
    self.print_dataSet()

该方法由两个主要调用组成：从定义的路径获取图像并处理它们。 为了获取图像，我们循环访问 path 定义的文件夹中的文件。 然后，我们使用 SK-Image 将这些文件加载为灰度图像。 此调用返回一个包含图像中每个像素的 NumPy 数组。

def fetch_img_path(self, img_path_list, path, vgg_img_processing):
    images = []
    labels = []
    for img_path in img_path_list:
        if self.__check_ext(img_path):
            img_abs_path = os.path.abspath(os.path.join(path, img_path))
            image = io.imread(img_abs_path, as_gray=True)
            label = self.process_label(img_path)
            images.append(image)
            labels.append(label)
    return images, labels

def __check_ext(self, file_path):
    for ext in self.ext_list:
        if file_path.endswith(ext):
            return True
    return False

process_label() 是 FaceDataSet 类中的一个抽象方法； 它的实现在 YaleDataSet 类中进行，我们在其中解析数据集中图像文件的名称。 文件名采用“subjectXX.*”格式。 该方法从文件名中提取“XX”编号并将其分配给图像。

class YaleFaceDataSet(FaceDataSet):

    def __init__(self, path, ext_list, n_classes):
        super().__init__(path, ext_list, n_classes)
    def process_label(self, img_path):
        val = int(os.path.split(img_path)[1].split(".")[0].replace("subject", "")) - 1
        if val not in self.labels:
            self.number_labels+=1
        return val

最后，process_data() 方法看起来像这样

def split_training_set(self):
    return train_test_split(self.objects, self.labels, test_size=0.3,
                            random_state=random.randint(0, 100))

def process_data(self, vgg_img_processing):
    self.objects, self.img_obj_validation, self.labels, self.img_labels_validation = \
        self.split_training_set()
    self.labels = np_utils.to_categorical(self.labels, self.n_classes)
    self.labels_validation = np_utils.to_categorical(self.img_labels_validation, self.n_classes)

    self.objects = Common.reshape_transform_data(self.objects)
    self.obj_validation =   Common.reshape_transform_data(self.img_obj_validation)

在此方法中，我们将数据集分成两部分。 第二部分包含用于验证训练结果的图像。 我们使用 Scikit-Learn 中的 train_test_split() 方法，并将标签转换为分类变量。 如果图像的分类为“2”（来自 subject02），则其分类变量将为 [0 1 0 0 0 0 0 0 0 0 0 0 0 0 0] – 一个 15 维（类数）向量，其中第 2 个分量为 1。

class Common:

    @staticmethod
    def reshape_transform_data(data):
        data = numpy.array(data)
        result = Common.reshape_data(data)
        return Common.to_float(result)

    @staticmethod
    def reshape_data(data):
        return data.reshape(data.shape[0], constant.IMG_WIDTH, constant.IMG_HEIGHT, 1)

    @staticmethod
    def to_float(value):
        return value.astype('float32')/255

reshape_transform_data() 方法重塑数据以适应灰度模式。 在图像处理中，彩色图像被认为是 3 通道网格； 换句话说，它们被分成 3 种颜色 (RGB)。 灰度图像只有一个通道。 因此，最初的彩色图像需要以“1”结尾进行重塑。

to_float() 方法通过将每个像素值除以 255（像素值介于 0 和 255 之间）来规范化数据，这会将整个像素矩阵置于 0-1 空间，以便更好地进行数值输入和更快的收敛。 现在我们可以在 main.py 文件中设置我们的数据集，该文件将用作我们应用程序的入口点。

ext_list = ['gif', 'centerlight', 'glasses', 'happy', 'sad', 'leflight',
            'wink', 'noglasses', 'normal', 'sleepy', 'surprised', 'rightlight']
n_classes = 15
# Set up dataSet
dataSet = YaleFaceDataSet(constant.FACE_DATA_PATH, ext_list, n_classes)

对数据集进行分类

...

下一步？

现在我们有一个经过处理的、分类的数据集，可以用于 CNN 训练。 在下一篇文章中，我们将把我们的 CNN 放在一起，并对其进行面部识别训练。 敬请关注！

© . All rights reserved.