pytorch实现孪生神经网络对人脸相似度进行识别

完整工程代码点击这里。

import cv2
import torch.nn as nn
import torch
from tqdm import tqdm
from sklearn.model_selection import train_test_split
import numpy as np
import random
from collections import Counter
torch.manual_seed(10)#固定每次初始化模型的权重#-----------------加载图像数据------------
img = cv2.imread('olivettifaces.jpg')
h = int(img.shape[0]/20)
w = int(img.shape[1]/20)
IMG = []
label = []
id = 0
for i in range(0,20*h,h):for j in range(0,20*w,w):IMG.append(img[i:i+h,j:j+w,:].reshape(3,h,w)/255)label.append(int(id/10))id += 1# 对训练集进行切割，然后进行训练
X_train,X_val,Y_train,Y_val = train_test_split(IMG,label,test_size=0.2)#-------------生成数据集-----------------x_train = []
y_train = []
x_val = []
y_val = []
for i in range(len(X_train)):for j in range(i+1,len(X_train)):if Y_train[i] == Y_train[j]:x_train.append([X_train[i],X_train[j]])y_train.append(1)else:key = random.randint(1,10)if key>=2:continuex_train.append([X_train[i],X_train[j]])y_train.append(0)for i in range(len(X_val)):for j in range(i+1,len(X_val)):if Y_val[i] == Y_val[j]:x_val.append([X_val[i],X_val[j]])y_val.append(1)else:key = random.randint(1,10)if key>=2:continuex_val.append([X_val[i],X_val[j]])y_val.append(0)x_train = torch.from_numpy(np.array(x_train)).to(torch.float32)
y_train = np.array(y_train)
x_val = torch.from_numpy(np.array(x_val)).to(torch.float32)
y_val = np.array(y_val)print('train',Counter(y_train),'val',Counter(y_val))
#------------------搭建网络框架------------
class Siamese(nn.Module):def __init__(self):super(Siamese, self).__init__()self.conv1 = nn.Sequential(nn.Conv2d(in_channels=3,#通道数目，刚输入的图片是彩色的三通道数目out_channels=16,kernel_size=3,stride=1,padding=1),nn.ReLU(),nn.MaxPool2d(kernel_size=2))self.conv2 = nn.Sequential(nn.Conv2d(in_channels=16,out_channels=32,kernel_size=3,stride=1,padding=1),nn.ReLU(),nn.MaxPool2d(kernel_size=2))self.l1 = nn.Linear(4928,300)#输出300个节点self.l2 = nn.Linear(300,1)#输出1个节点self.l3 = nn.Sigmoid()def forward(self, x1,x2):out1 = self.conv1(x1)out1 = self.conv2(out1)out1 = out1.view(out1.size(0),-1)out1 = self.l1(out1)out2 = self.conv1(x2)out2 = self.conv2(out2)out2 = out2.view(out2.size(0),-1)out2 = self.l1(out2)out = torch.abs(out1-out2)#计算均值误差out = self.l2(out)out = self.l3(out)return outtraining_step = 500#迭代次数
batch_size = 256#每个批次的大小
learning_rate = 0.005
model = Siamese()optimizer = torch.optim.Adam(model.parameters(),lr=learning_rate)#定义优化器
loss_func = nn.BCELoss() #定义损失函数#开始迭代
for step in range(training_step):print('step=',step)M_train = len(x_train)M_val = len(x_val)with tqdm(np.arange(0,M_train,batch_size), desc='Training...') as tbar:for index in tbar:L = indexR = min(M_train,index+batch_size)#-----------------训练内容------------------train_pre = model(x_train[L:R,0],x_train[L:R,1])     # 喂给 model训练数据 x, 输出预测值train_loss = loss_func(train_pre, torch.from_numpy(y_train[L:R].reshape(R-L,1)).to(torch.float))val_pre = model(x_val[:,0],x_val[:,1])val_loss = loss_func(val_pre, torch.from_numpy(y_val.reshape(M_val,1)).to(torch.float))#----------- -----计算准确率----------------train_acc = np.sum((np.array(train_pre.data)>=0.5)==(y_train[L:R].reshape(R-L,1)>=0.5))/(R-L) val_acc = np.sum((np.array(val_pre.data)>=0.5)==(y_val.reshape(M_val,1)>=0.5))/M_val #---------------打印在进度条上--------------tbar.set_postfix(train_loss=float(train_loss.data),train_acc=train_acc,val_loss=float(val_loss.data),val_acc=val_acc)tbar.update()  # 默认参数n=1，每update一次，进度+n#-----------------反向传播更新---------------optimizer.zero_grad()   # 清空上一步的残余更新参数值train_loss.backward()         # 以训练集的误差进行反向传播, 计算参数更新值optimizer.step()        # 将参数更新值施加到 net 的 parameters 上

训练结果

pytorch实现孪生神经网络对人脸相似度进行识别相关推荐

神经网络学习小记录52——Pytorch搭建孪生神经网络（Siamese network）比较图片相似性
神经网络学习小记录52--Pytorch搭建孪生神经网络(Siamese network)比较图片相似性学习前言什么是孪生神经网络代码下载孪生神经网络的实现思路一.预测部分 1.主干网络介绍 ...
pytorch搭建孪生网络比较人脸相似性
参考文献: 神经网络学习小记录52--Pytorch搭建孪生神经网络(Siamese network)比较图片相似性_Bubbliiiing的博客-CSDN博客_神经网络图片相似性 Python - ...
单样本学习：使用孪生神经网络进行人脸识别
这篇文章简要介绍单样本学习,以孪生神经网络(Siamese neural network)进行人脸识别的例子,分享了作者从论文 FaceNet 以及 deeplearning.ai 中学到的内容. 图 ...
孪生神经网络_基于局部和全局孪生网络的鲁棒的人脸跟踪
论文名称 Siamese local and global networks for robust face tracking 引用:Qi, Yuankai, et al. "Siamese ...
Siamese网络（孪生神经网络）详解
SiameseFC Siamese网络(孪生神经网络) 本文参考文章: Siamese背景 Siamese网络解决的问题要解决什么问题? 用了什么方法解决? 应用的场景: Siamese的创新 Si ...
孪生神经网络--一个简单神奇的结构
本文转载自机器学习小知识. 01 名字的由来 Siamese和Chinese有点像.Siam是古时候泰国的称呼,中文译作暹罗.Siamese也就是"暹罗"人或"泰国&qu ...
孪生神经网络_驾驶习惯也能识人？基于时空孪生神经网络的轨迹识别
⬆⬆⬆ 点击蓝字关注我们 AI TIME欢迎每一位AI爱好者的加入! 前言: 给定一组单独的人员(例如行人,出租车司机)的历史轨迹以及由特定人员生成的一组新轨迹,轨迹识别问题旨在验证传入的轨迹是否是 ...
[深度学习概念]·Siamese network 孪生神经网络简介
Siamese network 孪生神经网络--一个简单神奇的结构名字的由来 Siamese和Chinese有点像.Siam是古时候泰国的称呼,中文译作暹罗.Siamese也就是"暹罗&q ...
Siamese network 孪生神经网络--一个简单神奇的结构
转自: 作者:fighting41love 链接:https://www.jianshu.com/p/92d7f6eaacf5 1.名字的由来 Siamese和Chinese有点像.Siam是古时候泰 ...
基于深度卷积神经网络进行人脸识别的原理是什么？
原文:https://www.zhihu.com/question/60759296 基于深度卷积神经网络进行人脸识别的原理是什么? 这里的人脸识别包括但不限于:人脸检测,人脸对齐,身份验证识别,和表 ...

pytorch实现孪生神经网络对人脸相似度进行识别

pytorch实现孪生神经网络对人脸相似度进行识别相关推荐

最新文章

热门文章