机器学习的实践——识别中国人、日本人、韩国人

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	Google	408

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：