VGG-16算法-Pytorch实现人脸识别实验
- 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
- 🍖 原作者:K同学啊
Ⅰ Ⅰ Ⅰ Introduction:
- 本文为机器学习人脸识别实验记录:通过VGG-16算法-Pytorch实现人脸识别
- 学习目标:
- 学会使用官方自带的vgg16接口
- 了解VGG
- 保存过程中的最佳模型权重
Ⅱ Ⅱ Ⅱ Experiment:
- 数据准备与任务分析:
下载数据集,并通过transform调整图片尺寸,划分好训练集与测试集
data_dir = './48-data/'
data_dir = pathlib.Path(data_dir)
data_paths = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames
train_transforms = transforms.Compose([
transforms.Resize([224, 224]), # 将输入图片resize成统一尺寸
# transforms.RandomHorizontalFlip(), # 随机水平翻转
transforms.ToTensor(), # 将PIL Image或numpy.ndarray转换为tensor,并归一化到[0,1]之间
transforms.Normalize( # 标准化处理-->转换为标准正太分布(高斯分布),使模型更容易收敛
mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]) # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])
total_data = datasets.ImageFolder("./48-data/", transform=train_transforms)
print(total_data)
print(total_data.class_to_idx)
# 划分数据集
train_size = int(0.8 * len(total_data))
test_size = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
print(train_dataset, test_dataset)
batch_size = 32
train_dl = torch.utils.data.DataLoader(train_dataset,
batch_size=batch_size,
shuffle=True,
num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset,
batch_size=batch_size,
shuffle=True,
num_workers=1)
for X, y in test_dl:
print("Shape of X [N, C, H, W]: ", X.shape)
print("Shape of y: ", y.shape, y.dtype)
break
可以看到数据集:
Dataset ImageFolder
Number of datapoints: 1800
Root location: ./48-data/
StandardTransform
Transform: Compose(
Resize(size=[224, 224], interpolation=bilinear, max_size=None, antialias=warn)
ToTensor()
Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
)
{'Angelina Jolie': 0, 'Brad Pitt': 1, 'Denzel Washington': 2, 'Hugh Jackman': 3, 'Jennifer Lawrence': 4, 'Johnny Depp': 5, 'Kate Winslet': 6, 'Leonardo DiCaprio': 7, 'Megan Fox': 8, 'Natalie Portman': 9, 'Nicole Kidman': 10, 'Robert Downey Jr': 11, 'Sandra Bullock': 12, 'Scarlett Johansson': 13, 'Tom Cruise': 14, 'Tom Hanks': 15, 'Will Smith': 16}
- 配置环境:
- 语言环境:python 3.8
- 编译器: pycharm
- 深度学习环境:
- torch==2.11
- cuda12.1
- torchvision==0.15.2a0
- 构建网络:
这里直接调用官方的接口,通过:
from torchvision.models import vgg16
VGG16是一种卷积神经网络(Convolutional Neural Network,CNN),由牛津大学的视觉几何组(Visual Geometry Group, VGG)在2014年提出,并在ImageNet挑战赛中表现优异。VGG16以其深层网络结构和较小的卷积核尺寸而著称,是深度学习领域的经典模型之一。
VGG16的结构
VGG16的网络结构由16个权重层(13个卷积层和3个全连接层)组成,具体结构如下:
输入层:
输入图像大小为224x224x3(宽度x高度x通道数)。
卷积层和池化层:
第1段:两个3x3卷积层(64个过滤器),后接一个2x2最大池化层(stride为2)。
第2段:两个3x3卷积层(128个过滤器),后接一个2x2最大池化层(stride为2)。
第3段:三个3x3卷积层(256个过滤器),后接一个2x2最大池化层(stride为2)。
第4段:三个3x3卷积层(512个过滤器),后接一个2x2最大池化层(stride为2)。
第5段:三个3x3卷积层(512个过滤器),后接一个2x2最大池化层(stride为2)。
全连接层:
三个全连接层:第一个和第二个全连接层有4096个神经元,最后一个全连接层有1000个神经元(对应ImageNet的1000个类别)。
激活函数:
所有隐藏层的激活函数均为ReLU(Rectified Linear Unit)。
Softmax层:
输出层使用Softmax激活函数,将网络的输出转换为概率分布,用于分类任务。
VGG16的特点
小卷积核:
使用多个3x3的小卷积核而不是大卷积核,这样可以增加网络的深度,提高模型的表达能力,同时减少参数量。
深层网络:
通过增加网络层数,VGG16比浅层网络具有更强的特征提取能力。
全局参数共享:
卷积层中的过滤器参数在整个图像上共享,使得模型具有平移不变性和较少的参数量。
VGG16的应用
VGG16广泛应用于各种计算机视觉任务,包括但不限于:
图像分类
物体检测
图像分割
特征提取
由于其结构简单且效果优异,VGG16常被用作其他复杂模型的基准或预训练模型。
VGG16的优缺点
优点:
结构简单明了,便于理解和实现。
深层结构和小卷积核的组合使其在特征提取方面表现出色。
在ImageNet等大规模数据集上表现优异,具有较强的迁移学习能力。
缺点:
计算量较大,训练和推理速度较慢,尤其是与后来的更高效的模型相比。
参数量较大,存储和计算资源需求高。
总体而言,VGG16是深度学习领域的重要模型,为后续的卷积神经网络研究和发展奠定了坚实的基础。
通过一下代码
model.classifier._modules['6'] = nn.Linear(4096, len(classeNames))
model.to(device)
print(model)
VGG(
(features): Sequential(
(0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(1): ReLU(inplace=True)
(2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(3): ReLU(inplace=True)
(4): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
(5): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(6): ReLU(inplace=True)
(7): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(8): ReLU(inplace=True)
(9): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
(10): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(11): ReLU(inplace=True)
(12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(13): ReLU(inplace=True)
(14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(15): ReLU(inplace=True)
(16): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
(17): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(18): ReLU(inplace=True)
(19): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(20): ReLU(inplace=True)
(21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(22): ReLU(inplace=True)
(23): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
(24): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(25): ReLU(inplace=True)
(26): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(27): ReLU(inplace=True)
(28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
(29): ReLU(inplace=True)
(30): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
)
(avgpool): AdaptiveAvgPool2d(output_size=(7, 7))
(classifier): Sequential(
(0): Linear(in_features=25088, out_features=4096, bias=True)
(1): ReLU(inplace=True)
(2): Dropout(p=0.5, inplace=False)
(3): Linear(in_features=4096, out_features=4096, bias=True)
(4): ReLU(inplace=True)
(5): Dropout(p=0.5, inplace=False)
(6): Linear(in_features=4096, out_features=17, bias=True)
)
)
- 训练模型:
设置优化器,损失函数,学习率等:
learn_rate = 1e-4 # 初始学习率
# 调用官方动态学习率接口时使用
lambda1 = lambda epoch: 0.92 ** (epoch // 4)
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1)
loss_fn = nn.CrossEntropyLoss() # 创建损失函数
编写主函数,设置训练轮次为40:
epochs = 40
train_loss = []
train_acc = []
test_loss = []
test_acc = []
best_acc = 0 # 设置一个最佳准确率,作为最佳模型的判别指标
for epoch in range(epochs):
# 更新学习率(使用自定义学习率时使用)
# adjust_learning_rate(optimizer, epoch, learn_rate)
model.train()
epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
scheduler.step() # 更新学习率(调用官方动态学习率接口时使用)
model.eval()
epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
# 保存最佳模型到 best_model
if epoch_test_acc > best_acc:
best_acc = epoch_test_acc
best_model = copy.deepcopy(model)
train_acc.append(epoch_train_acc)
train_loss.append(epoch_train_loss)
test_acc.append(epoch_test_acc)
test_loss.append(epoch_test_loss)
# 获取当前的学习率
lr = optimizer.state_dict()['param_groups'][0]['lr']
template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
print(template.format(epoch + 1, epoch_train_acc * 100, epoch_train_loss,
epoch_test_acc * 100, epoch_test_loss, lr))
训练函数如下:
def train(dataloader, model, loss_fn, optimizer):
size = len(dataloader.dataset) # 训练集的大小
num_batches = len(dataloader) # 批次数目, (size/batch_size,向上取整)
train_loss, train_acc = 0, 0 # 初始化训练损失和正确率
for X, y in dataloader: # 获取图片及其标签
X, y = X.to(device), y.to(device)
# 计算预测误差
pred = model(X) # 网络输出
loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距,targets为真实值,计算二者差值即为损失
# 反向传播
optimizer.zero_grad() # grad属性归零
loss.backward() # 反向传播
optimizer.step() # 每一步自动更新
# 记录acc与loss
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
train_loss += loss.item()
train_acc /= size
train_loss /= num_batches
return train_acc, train_loss
- 测试模型:
训练过程中,需要编写测试函数来做评估:
def test(dataloader, model, loss_fn):
size = len(dataloader.dataset) # 测试集的大小
num_batches = len(dataloader) # 批次数目, (size/batch_size,向上取整)
test_loss, test_acc = 0, 0
# 当不进行训练时,停止梯度更新,节省计算内存消耗
with torch.no_grad():
for imgs, target in dataloader:
imgs, target = imgs.to(device), target.to(device)
# 计算loss
target_pred = model(imgs)
loss = loss_fn(target_pred, target)
test_loss += loss.item()
test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()
test_acc /= size
test_loss /= num_batches
return test_acc, test_loss
- 实验结果及可视化:
绘制实验结果的图像:
PATH = './best_model.pth' # 保存的参数文件名
torch.save(model.state_dict(), PATH)
print('Done')
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
plt.rcParams['figure.dpi'] = 100 # 分辨率
epochs_range = range(epochs)
plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()
实验结果如下:
- 保存模型及测试:
保存模型的代码如下
PATH = './best_model.pth' # 保存的参数文件名
torch.save(model.state_dict(), PATH)
这里我们选用一张测试集的图片对模型进行测试
classes = list(total_data.class_to_idx)
predict_one_image(image_path='./48-data/Angelina Jolie/001_fe3347c0.jpg',
model=model,
transform=train_transforms,
classes=classes)
def predict_one_image(image_path, model, transform, classes):
test_img = Image.open(image_path).convert('RGB')
plt.imshow(test_img) # 展示预测的图片
test_img = transform(test_img)
img = test_img.to(device).unsqueeze(0)
model.eval()
output = model(img)
_, pred = torch.max(output, 1)
pred_class = classes[pred]
print(f'预测结果是:{pred_class}')
预测结果是:Angelina Jolie
打印出模型的数据:
Ⅲ Ⅲ Ⅲ Conclusion:
通过调用官方预训练的VGG16接口,我们进行了人脸识别实验,学到了VGG16的基本框架和使用方法。实验完成并取得了预期效果,增强了对深度学习模型的理解。未来计划结合更先进的模型和数据增强技术,以提高识别精度和鲁棒性。