广东药科大学 GDPU Python 机器学习实验
《Python 机器学习》期末大作业
标题：人脸识别系统
姓 名：
：
学 号：
：
二〇二四 年 六 月
广东药科大学 GDPU Python 机器学习实验
目录
一、引言 ..................................................1
二、实验目的 ..............................................1
三、实验原理与方法 ........................................1
四、实验过程 ..............................................1
五、实验结果与分析 ........................................7
六、结论与展望 ............................................7
广东药科大学 GDPU Python 机器学习实验
1
一、引言
随着人工智能技术的飞速发展，人脸识别技术已成为计算机视觉领域的重要
研究方向之一。人脸识别技术广泛应用于安全监控、身份验证、人机交互等多个
领域。本实验旨在通过使用 Keras 深度学习框架，构建一个人脸识别系统，实现
对给定人脸图像的分类与识别。
二、实验目的
➢ 理解人脸识别技术的基本原理和常用算法；
➢ 掌握使用 Keras 实现卷积神经网络（CNN）的方法；
➢ 构建并训练一个人脸识别模型。
三、实验原理与方法
人脸识别技术主要基于人脸图像的特征提取与分类。本实验采用卷积神经网
络（CNN）作为特征提取器，通过训练网络学习人脸图像的有效特征表示。在训
练过程中，使用合适的损失函数和优化算法来最小化预测标签与实际标签之间的
误差。
本实验将使用网上获取的数据集，该数据集包含标记了身份信息的人脸图像。
通过对这些图像进行预处理（如灰度化、归一化、裁剪等），得到适用于神经网
络训练的数据集。
在构建人脸识别模型时，本实验将采用 Keras 框架，设计一个包含多个卷积
层、池化层和全连接层的 CNN 模型。通过调整网络结构、学习率、批次大小等超
参数，优化模型的性能。
四、实验过程
➢ 数据预处理：对数据集进行预处理，包括灰度化、归一化、裁剪等操作，
得到适用于神经网络训练的数据集；
➢ 模型构建：使用 Keras 框架设计一个 CNN 模型，包含多个卷积层、池化
层和全连接层；
➢ 模型训练：使用预处理后的数据集对模型进行训练，通过调整超参数优
