基于VGG19的识别中国人、韩国人、日本人分类器

这是本学期机器学习课程的项目。通过这个项目了解了不少东西，希望通过博客记录下整个项目过程。

---

国外有一个网站上有一个非常有趣的测试，他们在街头收集了一共18名中国人、韩国人、日本人的照片，放在网站上，让人去识别。博主自己尝试过一次，18个对了7个，38%的正确率，跟猜的概率并没有相差太多，恰好刚在学习深度学习一些模型，了解到可以通过深度的学习模型构建分类器去识别。在一时冲动之下，有了这个项目。废话不多说，直接开始博主完成整个项目的过程。

---

• 数据集构造 
  网上没有找到现成的数据集，甚至没有找到单纯包含中国人或者日本人或者韩国人的数据库。遂决定自己构造数据集，能够想到的办法就只能从当地的官方网站（譬如政府、学校等等）收集图片作为我们的训练集。在一番折腾之后，得到具体数据集情况如下：

名称数据来源样本数目中国人政府网站、明星、老师、学生483日本人政府网站、明星、老师、学生407韩国人Google408

ps:这里我们韩国人的数据存在问题，因为直接来源于Google，真实性不如收集到的中国人和日本人，很可能原始标记就存在问题。

---

• 人脸检测 
  人脸检测，我们主要使用的是Haar分类器，这个分类器原理在这篇博文中介绍的很仔细。主要的步骤包括：1）使用Haar-like特征做检测；2）使用积分图（Integral Image）对Haar-like特征求值进行加速；3）使用AdaBoost算法训练区分人脸和非人脸的强分类器；4）使用筛选式级联把强分类器级联到一起，提高准确率。本文直接在python使用opencv提供的接口，顺利完成了人脸检测。效果如下：

学长说这样的人脸检测会丢失很多有用的信息，要在人脸检测之后做一些人脸补全的工作，目前还不知道怎么弄，先码着，等期末结束之后有空了再来折腾一下。

---

具体做法的代码参照这篇博文，修改了一下。

---

• 数据集增强 
  因为收集到的数据非常有限，三种人种一起才1290张。考虑到深度学习在数量足够多的时候才有更好的效果，我们这里计划改变数据的亮度、饱和度、对比度、锐度、旋转一个小角度做一个数据增强。下面使我们做数据集增强的方法：

---

饱和度

 im_1 = ImageEnhance.Color(img).enhance(random_factor)
1

这里直接调用了ImageEnhance模块的Color类，其中random_factor是一个随机变量。random_factor=1的时候为原图，random_factor越大饱和度越大。

---

亮度

im_2 = ImageEnhance.Brightness(img).enhance(random_factor)
1

这里直接调用了ImageEnhance模块的Brightness类，其中random_factor是一个随机变量。random_factor=1的时候为原图，random_factor越大饱和度越大。

---

对比度

im_3 = ImageEnhance.Contrast(img).enhance(random_factor)
1

这里直接调用了ImageEnhance模块的Contrast类，其中random_factor是一个随机变量。random_factor=1 的时候为原图，random_factor越大饱和度越大。

---

锐度

im_4 = ImageEnhance.Sharpness(img).enhance(random_factor)
1

这里直接调用了ImageEnhance模块的Sharpness类，其中random_factor是一个随机变量。random_factor=1 的时候为原图，random_factor越大饱和度越大。

---

这里主要是参考了这边博文。

旋转角度 
改变旋转角度同样也可以做数据增强。

---

下图是博主两次做数的两次数据增强。左边是没有任何经验，完全随机的做出来的数据集增强，右边是学长指导之后做出来的增强结果，把这两个数据集在博主训练得到最好的分类器上面跑，左边只有86%左右的正确率，右边却达到了94%左右的正确率。 
 
左边主要存在的问题是，数据增强的幅度过大，导致图片有点失真（跟正常相机拍出来的相差太大）；随机调整的角度也过大；这两种方式得到的照片跟实际相差太大，没有很大的实际应用价值。Ps:学长还说，在实际工作中，添加随机噪声得到的数据集没有价值。。。目前还没有弄明白为啥，先码着。 
下面是我得到右边数据集的代码：

def randomRotation(image):    """          对图像进行随机任意角度(0~360度)旋转         :param mode 邻近插值,双线性插值,双三次B样条插值(default)         :param image PIL的图像image         :return: 旋转转之后的图像    """    random_angle = np.random.randint(-15, 15)    return image.rotate(random_angle)def randomColor(image):    """        对图像进行颜色抖动        :param image: PIL的图像image        :return: 有颜色色差的图像image    """    random_factor = np.random.randint(8, 12) / 10.  # 随机因子    color_image = ImageEnhance.Color(image).enhance(random_factor)  # 调整图像的饱和度    random_factor = np.random.randint(8, 12) / 10.  # 随机因子    brightness_image = ImageEnhance.Brightness(color_image).enhance(random_factor)  # 调整图像的亮度    random_factor = np.random.randint(8, 12) / 10.  # 随机因1子    contrast_image = ImageEnhance.Contrast(brightness_image).enhance(random_factor)  # 调整图像对比度    random_factor = np.random.randint(8, 10) / 10.  # 随机因子    return ImageEnhance.Sharpness(contrast_image).enhance(random_factor)  # 调整图像锐度
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

• 构造分类器 
  博主在深度学习课程中的老师讲到：在我们想利用深度模型做图片分类器的时候，可以考虑将图片先在ImageNet上面训练好的模型跑，截取某一层的特征图构建全连接的神经网构建分类器。基于这个思想，博主使用VGG19，截取最后一个pooling层，然后构造一个全连接的神经网络作为分类器。结构如下图所示： 
   
  因为VGG对输入图片有要求，在放入VGG模型之前首先对图片进行了如下处理：

  • 将RGB转换成BGR
  • 将图片resize成为224*224*3
  • 图片中每一个pixel减去在ImageNet上训练的平均值（出于改善模型结果的考虑）

---

在Batch size = 16、#training = 1082、#validation = 16、 #test = 200、 Dropout = 1时训练上述分类器得到正确率随着训练步数的变化如下： 
 
发现训练集上面的正确率接近100%，然而验证集上面的正确率却58%，显然出现了过拟合，为了避免过拟合，提高泛化能力，我们队对参数进行调整。 
这里图像波动很大，因为我们的batch_size只有16，若batch_size大一些，图像会更加平滑一点，但是总体局势还是能够反映的。

• 参数调整 
  首先尝试了不同的drop out，得到在drop_out = 0.5 的时候结果比较好，正确率为70%；然后做了，上述左边的数据集增强，得到了79%的正确率，一次比较大的提升；在尝试了权重衰减系数，得到在weight_decay = 0.0003的时候有81%的正确率。最后尝试了Batch Normalization,在没有drop out和weight decay情况下，得到了86%的正确率。随后在学长的意见上改变了数据增强的方式，得到一个最终94%的正确率。
• 
  
• 
  
• 转载：http://blog.csdn.net/mr_curi0sity/article/details/72927941