第二章使用孪生网络进行人脸识别

最新推荐文章于 2024-05-13 11:19:42 发布

王小波_Libo

最新推荐文章于 2024-05-13 11:19:42 发布

阅读量2.6k

点赞数 2

分类专栏： Python元学习

本文链接：https://blog.csdn.net/qq_38900441/article/details/108382977

版权

本文介绍了孪生网络作为单样本学习算法在人脸识别领域的应用。孪生网络由两个对称的神经网络构成，共享权重和架构，通过能量函数E评估输入的相似性。

摘要由CSDN通过智能技术生成

孪生网络是一种基于度量的单样本学习算法，主要用于各类别数据点较少的应用中。孪生网络大致上两个对称的神经网络组成，具有相同的权重和架构，最后由能量函数E连接在一起。孪生网络的目的是了解两个输入值是否相似。

使用孪生网络进行人脸识别

# encoding=utf-8
import re
import numpy as np
from PIL import Image


from sklearn.model_selection import train_test_split
from keras import backend as K
from keras.layers import Activation
from keras.layers import Input, Lambda, Dense, Dropout, Convolution2D, MaxPooling2D, Flatten
from keras.models import Sequential, Model
from keras.optimizers import RMSprop


def read_image(filename, byteorder='>'):
    '''
    读取输入图像，返回一个Numpy数组
    '''
    # 首先将图像以raw格式读入缓冲区
    with open(filename, 'rb') as f:
        buffer = f.read()

    # 使用正则表达式获取图片的头部、宽度、高度、最大值
    header, width, height, maxval = re.search(
        b"(^P5\s(?:\s*#.*[\r\n])*"
        b"(\d+)\s(?:\s*#.*[\r\n])*"
        b"(\d+)\s(?:\s*#.*[\r\n])*"
        b"(\d+)\s(?:\s*#.*[\r\n]\s)*)", buffer).groups()

    # 使用np.frombuffer(该函数将缓冲区转换为一维数组)将图像转换为numpy数组
    return np.frombuffer(buffer,
                         dtype='u1' if int(maxval) < 256 else byteorder + 'u2',