参考Python深度学习第5章第2节中的代码示例

一、理解人脸图像特征提取的各种方法（至少包括HoG、Dlib和卷积神经网络特征）

这个网上很多资料，可以自己去找来看。

二、掌握笑脸数据集（genki4k）正负样本的划分、模型训练和测试的过程（至少包括SVM、CNN），输出模型训练精度和测试精度（F1-score和ROC）

1、在小数据集上训练ConvNet

我们从零开始在小数据集上训练Convnet。
仅使用很少的数据来训练图像分类模型是一种常见的情况，如果你曾经在专业环境中做过计算机视觉，你可能会在实践中遇到这种情况。
拥有“少量”样本可能意味着从数百到数万张图像。作为一个实际的例子，我们将在包含4000张笑和没笑的图片(2000张笑的，2000没笑的)的数据集中把图像分类为“smile”或“unsmile”。我们将使用2000张图片进行培训，1000张用于验证，最后1000张用于测试。
在这个程序中，我们将回顾解决这个问题的一个基本策略:在我们仅有的少量数据的基础上从头开始训练一个新模型。我们将从天真地在我们的2000个训练样本上训练一个小convnet开始，没有任何规则化，为可以达到的目标设定一个基线。这将使我们的分类准确率达到71%。到那时，我们的主要问题将是过度拟合。然后我们将介绍数据增强技术，这是一种减轻计算机视觉中过度拟合的强大技术。通过利用数据扩充，我们将改进我们的网络，使准确率达到82%。

2、 深度学习与小数据问题的相关性

你有时会听说深度学习只有在有大量数据的时候才有效。这在一定程度上是有道理的:深度学习的一个基本特征是，它能够自己在训练数据中发现有趣的特征，而不需要任何手动特征工程，并且这只能在有大量训练实例可用时才能实现。对于输入样本非常高维的问题尤其如此，比如图像。
然而，构成“大量”样本的是相对的——首先，相对于你试图训练的网络的规模和深度。仅仅用几十个样本来训练一个convnet来解决一个复杂的问题是不可能的，但是如果这个模型很小并且规则性很好，并且任务很简单，那么几百个样本就足够了。因为convnets学习局部的、平移不变的特征，所以它们在感知问题上非常有效。在非常小的图像数据集上从头开始训练convnet仍然会产生合理的结果，尽管相对缺乏数据，不需要任何定制的特征工程。您将在本节中看到这一点。
但更重要的是，深度学习模型本质上是高度可重用的:你可以采取，比如说，在大规模数据集上训练的图像分类或语音到文本的模型，然后在一个明显不同的问题上重用它，只需要很小的改变。具体来说，在计算机视觉的情况下，许多预先训练的模型(通常在ImageNet数据集上训练)现在可以公开下载，并且可以用于从非常少的数据中引导强大的视觉模型。这就是我们下一节要做的。
现在，让我们从掌握数据开始。

3、 数据集下载

数据集就是网上通用的笑脸数据集。
找不到的也可以找我要数据集。
展示几张图片

不出所料，2013年猫狗Kaggle比赛的获胜者是使用convnets的参赛者。最佳输入可以达到95%的准确率。在我们自己的例子中，我们将相当接近这一精度(在下一节)，尽管我们将在竞争对手可用数据的不到10%的情况下训练我们的模型。

4、 代码实现上述操作

首先需要下载tensorflow，然后再下载keras，然后就可以执行代码了。

运行tensorflow环境，可以看到我下载的是2.3.1版本的。
然后导包

读取训练集的图片，将训练数据和测试数据放入自己创建的文件夹

# The path to the directory where the original
# dataset was uncompressed
riginal_dataset_dir = 'C:\Users\Administrator\Desktop\genki4k'# The directory where we will
# store our smaller dataset
base_dir = 'genki4k'
os.mkdir(base_dir)# Directories for our training,
# validation and test splits
train_dir = os.path.join(base_dir, 'train')
os.mkdir(train_dir)
validation_dir = os.path.join(base_dir, 'validation')
os.mkdir(validation_dir)
test_dir = os.path.join(base_dir, 'test')
os.mkdir(test_dir)# Directory with our training smile pictures
train_smile_dir = os.path.join(train_dir, 'smile')
os.mkdir(train_smile_dir)# Directory with our training unsmile pictures
train_unsmile_dir = os.path.join(train_dir, 'unsmile')
#s.mkdir(train_dogs_dir)# Directory with our validation smile pictures
validation_smile_dir = os.path.join(validation_dir, 'smile')
os.mkdir(validation_smile_dir)# Directory with our validation unsmile pictures
validation_unsmile_dir = os.path.join(validation_dir, 'unsmile')
os.mkdir(validation_unsmile_dir)# Directory with our validation smile pictures
test_smile_dir = os.path.join(test_dir, 'smile')
os.mkdir(test_smile_dir)# Directory with our validation unsmile pictures
test_unsmile_dir = os.path.join(test_dir, 'unsmile')
os.mkdir(test_unsmile_dir)

运行完这个程序会生成一个文件夹，如果再次运行这个程序就会报错，因为已经有这个文件存在。然后我是自己把这些照片放进对应的文件里的，效果是一样的，也可以通过代码进行。

# Copy smile images to train_smile_dir
#fnames = ['smile.{}.jpg'.format(i) for i in range(1000)]
#for fname in fnames:#   src = os.path.join(original_dataset_dir, fname)#  dst = os.path.join(train_smile_dir, fname)# shutil.copyfile(src, dst)# Copy next 500 smile images to validation_smile_dir
#fnames = ['smile.{}.jpg'.format(i) for i in range(1000, 1500)]
#for fname in fnames:#   src = os.path.join(original_dataset_dir, fname)#  dst = os.path.join(validation_smile_dir, fname)#  shutil.copyfile(src, dst)# Copy next 500 smile images to test_smile_dir
#fnames = ['smile.{}.jpg'.format(i) for i in range(1500, 2000)]
#for fname in fnames:
#    src = os.path.join(original_dataset_dir, fname)#   dst = os.path.join(test_smile_dir, fname)#  shutil.copyfile(src, dst)# Copy first 1000 unsmile images to train_unsmile_dir
#fnames = ['unsmile.{}.jpg'.format(i) for i in range(1000)]
#for fname in fnames:
#     src = os.path.join(original_dataset_dir, fname)
#     dst = os.path.join(train_unsmile_dir, fname)
#     shutil.copyfile(src, dst)# # Copy next 500 unsmile images to validation_unsmile_dir
# fnames = ['unsmile.{}.jpg'.format(i) for i in range(1000, 1500)]
# for fname in fnames:
#     src = os.path.join(original_dataset_dir, fname)
#     dst = os.path.join(validation_unsmile_dir, fname)
#     shutil.copyfile(src, dst)# # Copy next 500 unsmile images to test_dogs_dir
# fnames = ['unsmile.{}.jpg'.format(i) for i in range(1500, 2000)]
# for fname in fnames:
#     src = os.path.join(original_dataset_dir, fname)
#     dst = os.path.join(test_unsmile_dir, fname)
#     shutil.copyfile(src, dst)

作为一个健全的检查，让我们数一数我们在每一次培训中有多少张图片(训练/验证/测试)

好像自己添加照片还是有点问题，不过无关大雅，所以我们有1800张训练图像，然后是900张验证图像和900张测试图像。在每个分类中，每个类别的样本数是相同的：这是一个平衡的二进制分类问题，这意味着分类的准确性将是衡量成功的适当尺度。

5、 建立我们的关系网

我们的ConvNet将是由交替的Conv2D(与relu激活)和MaxPooling2D层组成的堆栈。
然而，由于我们处理的是更大的图像和一个更复杂的问题，我们将相应地使我们的网络更大：它将有另外一个Conv2D+MaxPooling2D阶段。这既可以增强网络的容量，又可以进一步缩小功能地图的大小，这样当我们到达平坦层时，它们就不会太大。在这里，由于我们从150 x150大小的输入开始(这是一个任意的选择)，我们最终得到大小为7x7的特征映射，就在扁平层之前。
请注意，功能映射的深度在网络中逐渐增加(从32增加到128)，而功能映射的大小正在减少(从148 x148减少到7x7)。这是一个模式，你会看到几乎所有的凸网。
由于我们正在着力解决一个二进制分类问题，所以我们用一个单元(大小为1的稠密层)和乙状结肠激活来结束网络。这个单元将编码网络正在查看一个类或另一个类的概率。
建立模型：

from keras import layers
from keras import modelsmodel = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu',input_shape=(150, 150, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Flatten())
model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))

让我们看一看功能映射的维度如何随每个连续层的变化而变化。

model.summary()

在编译步骤中，我们将一如既往地使用RMS螺旋桨优化器。由于我们用单个Sigmoid单元结束了我们的网络，所以我们将使用二进制交叉熵作为我们的损失。

from keras import optimizersmodel.compile(loss='binary_crossentropy',optimizer=optimizers.RMSprop(lr=1e-4),metrics=['acc'])

6、 数据预处理

您现在已经知道，在输入到我们的网络之前，应该将数据格式化为适当的预处理浮点张量。目前，我们的数据以JPEG文件的形式存储在驱动器上，因此，将其输入网络的步骤大致如下：

1. 读图片文件。
2. 将JPEG内容解码为像素的RBG网格。
3. 将它们转换为浮点张量。
4. 将像素值(介于0到255之间)重新分配到[0，1]区间(如您所知，神经网络更喜欢处理小的输入值)。
   这似乎有点令人望而生畏，但谢天谢地，Keras有实用程序可以自动处理这些步骤。Keras有一个带有图像处理辅助工具的模块，位于keras.预处理。特别是，它包含了ImageDataGenerator类，它允许快速设置Python生成器，这些生成器可以自动将磁盘上的图像文件转换为批量预处理的张量。这就是我们在这里要用的。

from keras.preprocessing.image import ImageDataGenerator# All images will be rescaled by 1./255
train_datagen = ImageDataGenerator(rescale=1./255)
test_datagen = ImageDataGenerator(rescale=1./255)train_generator = train_datagen.flow_from_directory(# This is the target directorytrain_dir,# All images will be resized to 150x150target_size=(150, 150),batch_size=20,# Since we use binary_crossentropy loss, we need binary labelsclass_mode='binary')validation_generator = test_datagen.flow_from_directory(validation_dir,target_size=(150, 150),batch_size=20,class_mode='binary')

让我们看看其中一个生成器的输出：它生成150×150 RGB图像的批次(Shape(20,150,150，3))和二进制标签(Shape(20，))。20是每批样品的数量(批次大小)。注意，生成器无限期地生成这些批：它只是无休止地循环目标文件夹中的图像。因此，我们需要在某个点中断迭代循环。

for data_batch, labels_batch in train_generator:print('data batch shape:', data_batch.shape)print('labels batch shape:', labels_batch.shape)break

让我们将模型与使用生成器的数据相匹配。我们使用了FIT_ENGINEER方法，这相当于对像我们这样的数据生成器的FIT。它期望第一个参数是Python生成器，它将无限期地产生批量输入和目标，就像我们的一样。由于数据是无休止地生成的，因此生成器需要知道要从生成器中抽取多少个示例，然后才能声明一个时代。这是STEP_PER_EIRCH参数的作用：在从生成器中提取步骤_PER_EURCH批之后，即在运行了步骤_PER_EURCH梯度下降步骤之后，拟合过程将进入下一个阶段。在我们的例子中，批次是20个样本，所以它将需要100批，直到我们看到我们的目标2000样本。
当使用FIT_generator时，可以通过验证_数据参数，这与FIT方法非常相似。重要的是，允许这个参数本身成为一个数据生成器，但它也可能是Numpy数组的一个元组。如果将生成器传递为Validation_Data，则预期此生成器将无休止地生成批验证数据，因此还应该指定ValidationSteps参数，该参数告诉验证生成器要从验证生成器中提取多少批进行评估。

history = model.fit_generator(train_generator,steps_per_epoch=100,epochs=30,validation_data=validation_generator,validation_steps=50)

这里要运行很久，可以去喝杯咖啡了。哈哈！！

可以看到30个样本，因为我的电脑不行，一个样本大概就要用掉2-3分钟，咖啡都喝了十几杯了，终于跑完了。
好的做法是在训练后总是保存你的模型：

model.save('smile_and_unsmile_1.h5')

让我们在培训和验证数据上绘制模型的丢失和准确性：

import matplotlib.pyplot as pltacc = history.history['acc']
val_acc = history.history['val_acc']
loss = history.history['loss']
val_loss = history.history['val_loss']epochs = range(len(acc))plt.plot(epochs, acc, 'bo', label='Training acc')
plt.plot(epochs, val_acc, 'b', label='Validation acc')
plt.title('Training and validation accuracy')
plt.legend()plt.figure()plt.plot(epochs, loss, 'bo', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss')
plt.legend()plt.show()

得到的结果：

这些地块具有过分拟合的特点。随着时间的推移，我们的训练精度呈线性增长，直到达到近100%，而我们的验证精度却停留在70-72%。我们的验证损失在仅仅5个时期之后就达到了最小值，而训练损失则一直线性地减少到接近0。
由于我们只有相对较少的培训样本(3000)，过度适应将是我们的首要关注。您已经知道了一些可以帮助减轻过度适应的技术，如辍学和体重衰减(L2正则化)。我们现在将引入一种新的，专门用于计算机视觉，并几乎普遍使用时，处理图像的深度学习模型：数据增强。

7、 使用数据增强

过度拟合是由于样本太少而无法学习，使我们无法训练一个能够推广到新数据的模型。给定无限的数据，我们的模型将暴露于手头数据分布的每一个可能的方面：我们永远不会过火。数据增强的方法是从现有的训练样本中生成更多的训练数据，通过一些随机变换来“增强”样本，从而产生可信的图像。目标是在训练的时候，我们的模型永远不会看到完全相同的图片两次。这有助于模型了解数据的更多方面，并更好地概括。
在Keras中，可以通过配置要对ImageDataGenerator实例读取的图像执行的随机转换来实现这一点。让我们从一个例子开始：

datagen = ImageDataGenerator(rotation_range=40,width_shift_range=0.2,height_shift_range=0.2,shear_range=0.2,zoom_range=0.2,horizontal_flip=True,fill_mode='nearest')

这些只是可用的几个选项(有关更多信息，请参见Keras文档)。让我们快速回顾一下我们刚才写的内容：

• 旋转范围是一个以度(0-180)为单位的值，这是一个随机旋转图片的范围。
• 宽度偏移和高度偏移是随机地垂直或水平翻译图片的范围(作为总宽度或高度的一小部分)。
• 剪切范围是随机应用剪切变换。
• 缩放范围用于随机缩放图片。
• 水平翻转是用来随机翻转一半图像的水平相关的，当没有假设水平不对称(例如真实世界的图片)。
• 填充模式是用来填充新创建的像素的策略，这些像素可以在旋转或宽度/高度移动后出现。
  让我们来看看我们的增强的图像：
  代码如下：

# This is module with image preprocessing utilities
from keras.preprocessing import imagefnames = [os.path.join(train_smile_dir, fname) for fname in os.listdir(train_smile_dir)]# We pick one image to "augment"
img_path = fnames[3]# Read the image and resize it
img = image.load_img(img_path, target_size=(150, 150))# Convert it to a Numpy array with shape (150, 150, 3)
x = image.img_to_array(img)# Reshape it to (1, 150, 150, 3)
x = x.reshape((1,) + x.shape)# The .flow() command below generates batches of randomly transformed images.
# It will loop indefinitely, so we need to `break` the loop at some point!
i = 0
for batch in datagen.flow(x, batch_size=1):plt.figure(i)imgplot = plt.imshow(image.array_to_img(batch[0]))i += 1if i % 4 == 0:breakplt.show()

得到四个图像如下：



如果我们使用这种数据增强配置来训练一个新的网络，我们的网络将永远不会看到两倍于相同的输入。然而，它所看到的输入仍然是紧密相关的，因为它们来自少量原始图像–我们不能产生新的信息，我们只能混合现有的信息。因此，这可能不足以完全摆脱过度适应。为了进一步对抗过度拟合，我们还将在我们的模型中添加一个Dropout层，就在紧密连接的分类器之前：

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu',input_shape=(150, 150, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Flatten())
model.add(layers.Dropout(0.5))
model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))model.compile(loss='binary_crossentropy',optimizer=optimizers.RMSprop(lr=1e-4),metrics=['acc'])

让我们使用数据增强和删除来训练我们的网络：

train_datagen = ImageDataGenerator(rescale=1./255,rotation_range=40,width_shift_range=0.2,height_shift_range=0.2,shear_range=0.2,zoom_range=0.2,horizontal_flip=True,)# Note that the validation data should not be augmented!
test_datagen = ImageDataGenerator(rescale=1./255)train_generator = train_datagen.flow_from_directory(# This is the target directorytrain_dir,# All images will be resized to 150x150target_size=(150, 150),batch_size=32,# Since we use binary_crossentropy loss, we need binary labelsclass_mode='binary')validation_generator = test_datagen.flow_from_directory(validation_dir,target_size=(150, 150),batch_size=32,class_mode='binary')history = model.fit_generator(train_generator,steps_per_epoch=100,epochs=100,validation_data=validation_generator,validation_steps=50)

因为我的电脑跑的太慢了，所以我这里就没有训练模型，直接用的别人训练好的模型进行预测了。

让我们再次看一下结果


由于数据的增加和丢失，我们不再过度拟合：训练曲线非常接近验证曲线。我们现在能够达到82%的精度，相对于非正则模型的15%的相对改进。
通过进一步利用正则化技术，通过调整网络的参数(如每个卷积层的滤波器数或网络中的层数)，我们可以获得更好的精度，可能高达86-87%。然而，仅仅通过从零开始培训我们自己的ConvNet就很难达到更高的水平，因为我们只有那么少的数据可供使用。

三、完成一个摄像头采集自己人脸、并对表情（笑脸和非笑脸）的实时分类判读（输出分类文字）的程序。

1、首先实现照片的判别

# 单张图片进行判断  是笑脸还是非笑脸
import cv2
from keras.preprocessing import image
from keras.models import load_model
import numpy as npmodel = load_model('smile_and_unsmile_2.h5')img_path='genki4k/test/smile/file0901.jpg'img = image.load_img(img_path, target_size=(150, 150))
#img1 = cv2.imread(img_path,cv2.IMREAD_GRAYSCALE)
#cv2.imshow('wname',img1)
#cv2.waitKey(0)#print(img.size)
img_tensor = image.img_to_array(img)/255.0
img_tensor = np.expand_dims(img_tensor, axis=0)prediction =model.predict(img_tensor)  
print(prediction)
if prediction[0][0]<0.5:result='smile'
else:result='unsmile'
print(result)

就是下面的这张图片进行检测

结果还是正确的，我试验了几张都是正确的。

2、 摄像头采集人脸识别

import cv2
from keras.preprocessing import image
from keras.models import load_model
import numpy as np
import dlib
from PIL import Image
model = load_model('smile_and_unsmile_2.h5')
detector = dlib.get_frontal_face_detector()
video=cv2.VideoCapture(0)
font = cv2.FONT_HERSHEY_SIMPLEX
def rec(img):gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)dets=detector(gray,1)if dets is not None:for face in dets:left=face.left()top=face.top()right=face.right()bottom=face.bottom()cv2.rectangle(img,(left,top),(right,bottom),(0,255,0),2)img1=cv2.resize(img[top:bottom,left:right],dsize=(150,150))img1=cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)img1 = np.array(img1)/255.img_tensor = img1.reshape(-1,150,150,3)prediction =model.predict(img_tensor)    print(prediction)if prediction[0][0]>0.5:result='unsmile'else:result='smile'cv2.putText(img, result, (left,top), font, 2, (0, 255, 0), 2, cv2.LINE_AA)cv2.imshow('Video', img)
while video.isOpened():res, img_rd = video.read()if not res:breakrec(img_rd)if cv2.waitKey(1) & 0xFF == ord('q'):break
video.release()
cv2.destroyAllWindows()

结果展示

四、 将笑脸数据集换成口罩数据集，完成对口罩佩戴与否的模型训练，采取合适的特征提取方法，重新做上述2-3步。

1、下载数据集

在网上找了很多数据集，但是很多都不符合要求，最终还是选择了知乎上的AIZOO人工智能乐园开源的数据集，然后进行整理形成自己可以用的数据集。
https://zhuanlan.zhihu.com/p/107719641

2、训练数据集

这里重复上面笑脸数据集的步骤就可以了，直接进行数据增强后的模型训练。
数据增强的代码和笑脸的类似，修改一下就可以了。

然后进行训练

训练完成

因为数据集有很多不是符合大头照的要求，所以精度比较低。

小于0.5的是戴口罩
保存模型后进行预测
代码和笑脸数据集的一样，只需要改模型名字即可。

还要注意预测值得判别条件

3、预测

预测结果如下


在测试的过程中发现如果人的脸离摄像头远一点的话，即使没戴口罩也会判别为戴了口罩，但是离得远大概率是识别不到人脸的，所以这种情况不用担心。
然后我还尝试用手挡住脸，判定我没戴口罩，比较理想

可以看到分类的效果还是不错的，后面可以尝试把不合格的数据剔除出去，再进行训练，相信精度会更高。