Kaggle项目：Northeastern SMILE Lab - Recognizing Faces in the Wild

本Kaggle项目地址：Northeastern SMILE Lab - Recognizing Faces in the Wild
数据集百度网盘下载地址：Kaggle data，提取码为：1mem
keras-vggface开源项目下载地址：keras-vggface
项目描述：
该项目使用Families In the Wild (FIW)数据集，要求通过面部识别，判断数据集任意两张图片中的人是否是有血缘关系。比如图片对为同一家庭的（父，子），（母，子）（兄，弟），（兄，妹）等时，标签label为1（注意比如（父，母）是没有血缘关系的，并不是同一个家庭的成员就有血缘关系），当图片对不是来自同一家庭时，一定没有血缘关系，标签label为0。
思路
该项目属于人脸识别项目，可用的开源项目方案有很多，这里我使用了基于VGG-face数据集预训练的网络模型进行迁移学习，深度学习框架为Keras。去掉了与训练模型的输出层，只保留特征层做特征提取，然后自定义输出层模型，最终输出为sigmoid层。
模型的输入中，每一个样本为一个图片对，输入相同的预训练模型（相同的权值），提取出特征后合并输入自定义输出层，这种网络结构叫孪生神经网络（Siamese network），这里就不详述了。
代码
首先导入需要的库

# 导入需要用到的第三方库
from collections import defaultdict
from glob import glob
from random import choice, sample
import cv2
import numpy as np
import pandas as pd
import re

# 导入keras及相关模块
from keras.callbacks import ModelCheckpoint, ReduceLROnPlateau, LearningRateScheduler
from keras.layers import Input, Dense, GlobalMaxPool2D, GlobalAvgPool2D, Concatenate, Multiply, Dropout, Subtract
from keras.models import Model
from keras.optimizers import Adam
import keras.backend as K

#导入keras_vggface及相关模块，里面有使用vggface训练好的预训练模型
from keras_vggface.utils import preprocess_input
from keras_vggface.vggface import VGGFace

然后创建需要的文件路径变量，数据集中油训练样本集，测试样本集（未标注），训练样本标签（CSV文件），提交文件的示例（CSV文件），其中训练样本已经按家庭和人物分好了类。

# 文件路径
train_file_path = '.\\recognizing-faces-in-the-wild\\train_relationships.csv'
train_folders_path = '.\\recognizing-faces-in-the-wild\\train\\'
test_folders_path = '.\\recognizing-faces-in-the-wild\\test\\'
valid_folders_name = 'F08' #文件名中含有"F08"的图片会作为验证数据集而存在

创建路径列表：

# 返回所有的训练图片文件路径构成的列表
all_images = glob(train_folders_path + "*/*/*.jpg")

# 返回所有训练数据集（全部）、训练数据集（不含验证集）、验证数据集的路径列表
train_valid_images = all_images
train_images = [x for x in all_images if valid_folders_name not in x]
valid_images = [x for x in all_images if valid_folders_name in x]

接着定义几个字典，字典的键为“家庭/成员”格式的路径名，值为该文件夹下对应的图片路径构成的列表：

# 创建训练数据集（全部）、训练数据集（不含验证集）、验证数据集的defaultdict
# 其中键为家庭/成员文件名，值为该文件夹下的图片路径列表
train_valid_images_map = defaultdict(list)
train_images_map = defaultdict(list)
valid_images_map = defaultdict(list)

# 为每一个defautlist添加键值对
for x in train_valid_images:
    train_valid_images_map[x.split('\\')[-3] + "/" + x.split('\\')[-2]].append(x)

for x in train_images:
    train_images_map[x.split('\\')[-3] + "/" + x