TensorFlow CNN卷积神经网络实现人脸性别检测.zip

本文主要是实现了根据人脸识别性别的卷积神经网络,并对卷积过程中的提取特征进行了可视化.  --  ### 卷积神经网络 * 卷积神经网络最早是为了解决图像识别的问题,现在也用在时间序列数据和文本数据处理当中,卷积神经网络对于数据特征的提取不用额外进行,在对网络的训练的过程当中,网络会自动提取主要的特征. * 卷积神经网络直接用原始图像的全部像素作为输入,但是内部为非全连接结构.因为图像数据在空间上是有组织结构的,每一个像素在空间上和周围的像素是有关系的,和相距很远的像素基本上是没什么联系的,每个神经元只需要接受局部的像素作为输入,再将局部信息汇总就能得到全局信息. 权值共享和池化两个操作使网络模型的参数大幅的减少,提高了模型的训练效率. ### 卷积神经网络主要特点 * 权值共享: 在卷积层中可以有多个卷积核,每个卷积核与原始图像进行卷积运算后会映射出一个新的2D图像,新图像的每个像素都来自同一个卷积核.这就是权值共享. * 池化: 降采样,对卷积(滤波)后,经过激活函数处理后的图像,保留像素块中灰度值最高的像素点(保留最主要的特征),比如进行 2X2的最大池化,把一个2x2的像素块降为1x1的像素块. ### 卷积网络的训练数据（112\*92\*3图形） 从data目录读取数据，famale存放女性图片，male存放男性图片 ``` def read_img(list,flag=0): for i in range(len(list)-1): if os.path.isfile(list[i]): images.append(cv2.imread(list[i]).flatten()) labels.append(flag) read_img(get_img_list('male'),[0,1]) read_img(get_img_list('female'),[1,0]) images = np.array(images) labels = np.array(labels) ``` 重新打乱 ``` permutation = np.random.permutation(labels.shape[0]) all_images = images[permutation,:] all_labels = labels[permutation,:] ``` 训练集与测试集比例 8：2 ``` train_total = all_images.shape[0] train_nums= int(all_images.shape[0]*0.8) test_nums = all_images.shape[0]-train_nums #训练集 images = all_images[0:train_nums,:] labels = all_labels[0:train_nums,:] #测试集 test_images = all_images[train_nums:train_total,:] test_labels = all_labels[train_nums:train_total,:] ``` ### 训练参数 ``` train_epochs=3000 # 训练轮数 batch_size= random.randint(6,18) # 每次训练数据,随机 drop_prob = 0.4 # 正则化,丢弃比例 learning_rate=0.00001 # 学习效率 ``` ### 网络结构  ``` 输入层为输入的灰度图像尺寸: -1 x 112 x 92 x 3 第一个卷积层,卷积核的大小,深度和数量 (3, 3, 3, 16) 池化后的特征张量尺寸: -1 x 56 x 46 x 16 第二个卷积层,卷积核的大小,深度和数量 (3, 3, 16, 32) 池化后的特征张量尺寸: -1 x 28 x 23 x 32 第三个卷积层,卷积核的大小,深度和数量 (3, 3, 32, 64) 池化后的特征张量尺寸: -1 x 14 x 12 x 64 全连接第一层权重矩阵: 10752 x 512 全连接第二层权重矩阵: 512 x 128 输出层与全连接隐藏层之间: 128 x 2 ``` ### 辅助函数 ``` # 权重初始化(卷积核初始化) # tf.truncated_normal()不同于tf.random_normal(),返回的值中不会偏离均值两倍的标准差 # 参数shpae为一个列表对象,例如[5, 5, 1, 32]对应 # 5,5 表示卷积核的大小, 1代表通道channel,对彩色图片做卷积是3,单色灰度为1 # 最后一个数字32,卷积核的个数,(也就是卷基层提取的特征数量) def weight_init(shape): weight = tf.truncated_normal(shape,stddev=0.1,dtype=tf.float32) return tf.Variable(weight) #偏执初始化 def bias_init(shape): bias = tf.random_normal(shape,dtype=tf.float32) return tf.Variable(bias) #全连接矩阵初始化 def fch_init(layer1,layer2,const=1): min = -const * (6.0 / (layer1 + layer2)); max = -min; weight = tf.random_uniform([layer1, layer2], minval=min, maxval=max, dtype=tf.float32) return tf.Variable(weight) # 源码的位置在tensorflow/python/ops下nn_impl.py和nn_ops.py # 这个函数接收两个参数,x 是图像的像素, w 是卷积核 # x 张量的维度[batch, height, width, channels] # w 卷积核的维度[height, width, channels, channels_multiplier] # tf.nn.conv2d()是一个二维卷积函数, # stirdes 是卷积核移动的步长,4个1表示,在x张量维度的四个参数上移动步长 # padding 参数'SAME',表示对原始输入像素进行填充,卷积后映射的2D图像与原图大小相等 # 填充,是指在原图像素值矩阵周围填充0像素点 # 如果不进行填充,假设 原图为 32x32 的图像,卷积和大小为 5x5 ,卷积后映射图像大小 为 28x28 def conv2d(images,weight): return tf.nn.conv2d(images,weight,strides=[1,1,1,1],padding='SAME') ``` Padding ``` #池化 卷积核在提取特征时的动作成为padding，它有两种方式：SAME和VALID。卷积核的移动步长不一定能够整除图片像素的宽度，所以在有些图片的边框位置有些像素不能被卷积。这种不越过边缘的取样就叫做 valid padding，卷积后的图像面积小于原图像。为了让卷积核覆盖到所有的像素，可以对边缘位置进行0像素填充，然后在进行卷积。这种越过边缘的取样是 same padding。如过移动步长为1，那么得到和原图一样大小的图像。如果步长很大，超过了卷积核长度，那么same padding，得到的特征图也会小于原来的图像。 def max_pool2x2(images,tname): return tf.nn.max_pool(images,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME',name=tname) ``` ``` #images_input 为输入的图片，labels_input为输入的标签 images_input = tf.placeholder(tf.float32,[None,112*92*3],name='input_images') labels_input = tf.placeholder(tf.float32,[None,2],name='input_labels') #把图像转换为112*92*3的形状 x_input = tf.reshape(images_input,[-1,112,92,3]) ``` ### 训练 第一层卷积+池化 ``` # 卷积核3*3*3 16个 第一层卷积 w1 = weight_init([3,3,3,16]) b1 = bias_init([16]) conv_1 = conv2d(x_input,w1)+b1 relu_1 = tf.nn.relu(conv_1,name='relu_1') max_pool_1 = max_pool2x2(relu_1,'max_pool_1') ``` 第二层卷积+池化 ``` # 卷积核3*3*16 32个 第二层卷积 w2 = weight_init([3,3,16,32]) b2 = bias_init([32]) conv_2 = conv2d(max_pool_1,w2) + b2 relu_2 = tf.nn.relu(conv_2,name='relu_2') max_pool_2 = max_pool2x2(relu_2,'max_pool_2') ``` 第三层卷积+池化 ``` w3 = weight_init([3,3,32,64]) b3 = bias_init([64]) conv_3 = conv2d(max_pool_2,w3)+b3 relu_3 = tf.nn.relu(conv_3,name='relu_3') max_pool_3 = max_pool2x2(relu_3,'max_pool_3') ``` 全连接第一层 ``` #把第三层的卷积结果平铺成一维向量 f_input = tf.reshape(max_pool_3,[-1,14*12*64]) #全连接第一层 31*31*32,512 f_w1= fch_init(14*12*64,512) f_b1 = bias_init([512]) f_r1 = tf.matmul(f_input,f_w1) + f_b1 #激活函数，relu随机丢掉一些权重提供泛华能力 f_relu_r1 = tf.nn.relu(f_r1) # 为了防止网络出现过拟合的情况,对全连接隐藏层进行 Dropout(正则化)处理,在训练过程中随机的丢弃部分 # 节点的数据来防止过拟合.Dropout同把节点数据设置为0来丢弃一些特征值,仅在训练过程中, # 预测的时候,仍使用全数据特征 # 传入丢弃节点数据的比例 f_dropout_r1 = tf.nn.dropout(f_relu_r1,drop_prob) ``` 全连接第二层 ``` f_w2 = fch_init(512,128) f_b2 = bias_init([128]) f_r2 = tf.matmul(f_dropout_r1,f_w2) + f_b2 f_relu_r2 = tf.nn.relu(f_r2) f_dropout_r2 = tf.nn.dropout(f_relu_r2,drop_prob) ``` 全连接输出层 ``` f_w3 = fch_init(128,2) f_b3 = bias_init([2]) f_r3 = tf.matmul(f_dropout_r2,f_w3) + f_b3 最后输出结果，可能是这样的[[0.0001,0.99999] ，那个位置的结果大就属于哪个分类 f_