性别检测识别、年龄检测识别

日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

---

有一组照片，分为男人和女人，让深度学习模型来学习这些样本，并能够找到其中的规律，完成模型的训练。接着可以使用该模型对图片中的人物进行识别，区分其性别是男还是女。 使用了一个NASNet_A_Mobile的模型来做二次训练。具体过程分为4步： （1）准备样本； （2）准备NASNet_A_Mobile网络模型； （3）编写代码进行二次训练； （4）使用已经训练好的模型进行测试。

下载CelebA数据集： 下载完之后，解压，并手动分出一部分男人与女人的照片。 在本例中，一共用了20000张图片用来训练模型，其中训练样本由8421张男性头像和11599张女性头像构成（在train文件夹下），测试样本由10张男性头像和10张女性头像构成（在val文件夹下）。部分样本数据如图：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

CelebA是CelebFaces Attribute的缩写，意即名人人脸属性数据集，其包含10,177个名人身份的202,599张人脸图片，每张图片都做好了特征标记，包含人脸bbox标注框、5个人脸特征点坐标以及40个属性标记，CelebA由香港中文大学开放提供，广泛用于人脸相关的计算机视觉训练任务，可用于人脸属性标识训练、人脸检测训练以及landmark标记等。

点击任何一个链接都会进入如下dropbox目录： Anno是bbox、landmark及attribute注释文件，Eval是training、validation及testing数据集的划分注释，Img则是存放相应的人脸图像，README.txt是CelebA介绍文件；

通过阅读README.txt了解到每一部分代表的含义： - In-The-Wild Images (Img/img_celeba.7z) 202,599张原始“野生”人脸图像，从网络爬取未有做任何裁剪缩放操作的人脸图像； - Align&Cropped Images (Img/img_align_celeba.zip & Img/img_align_celeba_png.7z) 202,599张经过人脸对齐和裁剪了的图像，视情况下载对应不同质量的图像即可，一般选择jpg格式才1G多的img_align_celeba.zip文件；

- Bounding Box Annotations (Anno/list_bbox_celeba.txt) bounding box标签，即人脸标注框坐标注释文件，包含每一张图片对应的bbox起点坐标及其宽高，如下：

- Landmarks Annotations (Anno/list_landmarks_celeba.txt & Anno/list_landmarks_align_celeba.txt)

5个特征点landmark坐标注释文件， list_landmarks_align_celeba.txt则是对应人脸对齐后的landmark坐标；

- Attributes Annotations (Anno/list_attr_celeba.txt)

40个属性标签文件，第一行为图像张数，第二行为属性名，有该属性则标记为1，否则标记为-1；

CelebA的40个属性的理解：

5_o_Clock_Shadow：刚长出的双颊胡须
Arched_Eyebrows：柳叶眉
Attractive：吸引人的
Bags_Under_Eyes：眼袋
Bald：秃头
Bangs：刘海
Big_Lips：大嘴唇
Big_Nose：大鼻子
Black_Hair：黑发
Blond_Hair：金发
Blurry：模糊的
Brown_Hair：棕发
Bushy_Eyebrows：浓眉
Chubby：圆胖的
Double_Chin：双下巴

Eyeglasses：眼镜
Goatee：山羊胡子
Gray_Hair：灰发或白发
Heavy_Makeup：浓妆
High_Cheekbones：高颧骨
Male：男性
Mouth_Slightly_Open：微微张开嘴巴
Mustache：胡子，髭
Narrow_Eyes：细长的眼睛
No_Beard：无胡子
Oval_Face：椭圆形的脸
Pale_Skin：苍白的皮肤
Pointy_Nose：尖鼻子
Receding_Hairline：发际线后移
Rosy_Cheeks：红润的双颊
Sideburns：连鬓胡子
Smiling：微笑
Straight_Hair：直发

Wavy_Hair：卷发
Wearing_Earrings：戴着耳环
Wearing_Hat：戴着帽子
Wearing_Lipstick：涂了唇膏
Wearing_Necklace：戴着项链
Wearing_Necktie：戴着领带
Young：年轻人

- Identity Annotations (available upon request)
10,177个名人身份标识，图片的序号即是该图片对应的标签；

- Evaluation Partitions (Eval/list_eval_partition.txt)
用于划分为training，validation及testing等数据集的标签文件，标签0对应training，标签1对应validation，标签2对应testing；

1. 下载models与部署TensorFlow slim模块
2. 下载NASNet_A_Mobile模型
 3. 整体代码文件部署结构及描述如下：
l mydataset.py：处理男女图片数据集的代码；
l model.py：加载预编译模型NASNet_A_Mobile，并进行微调的代码；
l train.py：训练模型的代码；
l test.py：测试模型的代码。 

1，分别为自选图片、测试数据集中的女人图片、测试数据集中的男人图片，每张图片下面显示了模型识别的结果，可以看到结果与图片内容一致。
2，年龄测试同样发现可以预计出年龄的大致情况，但是，后期提高准确率，可以以预测年龄区间为主。