基于python并行BP神经网络的人脸识别系统（终端）

# 基于并行BP神经网络的人脸识别系统 此为 **终端版** 的人脸识别系统 ## 使用说明 ### 配置路径 解压 `data` 文件夹中的数据集，使解压后 `faces` 在 `data` 文件夹下。 修改 `src/face-recognizer` 下的 `*.list` 文件，使文件内各图片路径正确。 ### 编译 在终端进入 `src/face-recognizer` 进行编译： make ### 训练并测试 在终端进入 `src/face-recognizer` 进行运行（训练并测试）： ./facetrain -n shades.net -t all_train.list -1 all_test2.list -2 all_test2.list -e 100 ### 测试 ./facetrain -n shades.net -1 all_test2.list -2 all_test2.list ## 模块说明 * pgmimage.c, pgmimage.h * 处理图片的模块 * 支持读写 PGM 文件和像素的存取/赋值 * 提供了 IMAGE 数据结构和 IMAGELIST 数据结构（图片的数组，在处理许多图片时有用） * backprop.c, backprop.h * 神经网络模块 * 支持三层全连接前馈神经网络 * 使用 backpropagation 算法来调整权值 * 提供高等级的程序来创造、训练和使用神经网络 * iamgenet.c * 用于装载图片到网络的输入单元，和设置训练的目标向量的接口程序 * 当实现 face recognizer 的时候，需要修改 load_target，根据你选择的输入编码设置合适的目标向量 * facetrain.c * 顶层程序，使用以上所有模块来实现一个“TA”识别器 * 修改这个代码来改变神经网络的大小和学习参数，这两个是无关紧要的改变 * 表现评估程序 performance_on_imagelist() 和 evaluate_performance() 都在此模块中，修改他们来实现 face recognizer。 * hidtopgm.c * 隐藏单元权值可视化程序 ## 参数说明 facetrain 参数的一些说明 * -n \<network file> * 装载一个已存在的网络文件，或用所给的名字创建一个新的网络文件 * 在训练最后，神经网络会被保存砸这个文件中 * -e \<number of epochs> * 训练次数 * 默认为 100 * -s \<seed> * 随机数产生器的种子 * 默认为 102194 * 围边种子尝试不同的随机数序列来重新实验 * -S \<number of epochs between saves> * 保存网络所需要的最小训练次数 * -t \<training image list> * 指定训练集 * 如果没有这个参数，意味着没有训练（训练集都是0），网络直接在测试集上跑 * -1 \<test set 1 list> * 指定测试集1 * 如果没有这个参数，测试集1都是0 * -2 \<test set 2 list> * 指定测试集2 * 如果没有这个参数，测试集2都是0 ## 数据集 [Neural Networks for Face Recognition](http://www.cs.cmu.edu/afs/cs.cmu.edu/user/mitchell/ftp/faces.html)