用深度學習做球星顏值打分完整案例（一）

已經上傳了完整的程式碼和資料，資料比較少，大家可以幫忙補充。

專案地址（記得給個start）：https://github.com/jimenbian/face_rank

先來說一下專案的背景，這次做的是一個最基礎的影象識別案例，通過訓練一個模型來給NBA球星的顏值打分，嗯，樓主麥迪、艾弗森球迷。選擇NBA的資料是因為，NBA球星都有正裝照，比較好收集。我們最終呈現的效果是這樣的：先收集球星大臉照，標記出顏值高的和顏值低的，然後使用Tensorflow的CNN網路訓練顏值打分模型，最後可以利用模型對任意球星臉是高顏值或者低顏值來評分。

另外還有一種資料收集的方法，悄悄透漏給大家，如果做美女的顏值打分訓練，男同學可以開啟T盤的唐詩三百首目錄，在裡面可以方便的擷取高清人臉大圖。

講一下工程

實驗環境是PYTHON2.7，Tensorflow版本1.4，無其它依賴庫。

下面看一下整個工程，

• face_train.py用來訓練模型

• face_test.py用來預測

• TrainDataSet存訓練資料

 

講一下資料

開啟trainDataSet這個資料夾，裡面是分了class1和class2兩個目錄，class1用來存放顏值比較高的球星圖片，如下圖：

 

class2存放顏值不那麼高的，這樣在訓練的時候就會做到區分，也構成了一個二分類場景，以下是class2的一張例圖：

在構建訓練資料的時候有三個注意事項：

1. 圖片要儘可能清晰，要儘可能多

2. 大小尺寸最好要相同

3. 最好每個圖片只有一張人臉，而且佔據篇幅很大
   

 

講一下模型訓練

開啟face_train.py檔案，可以看到整個的訓練程式碼，可以執行這個檔案生成model，下面講一下其中一些關鍵函式的含義，請對照程式碼理解。

 

1.Model目錄設定

MODE ='folder' # or 'file', if you choose a plain text file (see above).

DATASET_PATH = 'trainDataSet' # the dataset file or root folder path.

# ImageParameters

N_CLASSES= 2 # CHANGE HERE, total number of classes

IMG_HEIGHT= 64 # CHANGE HERE, the image height to be resized to

IMG_WIDTH= 64 # CHANGE HERE, the image width to be resized to

CHANNELS= 3 # The 3 color channels, change to 1 if grayscale

 

• MODE設定了檔案讀取方式，這裡使用folder模式

• DATASET_PATH指定的是訓練資料資料夾

• N_CLASSES分類的種類，這裡因為分美和醜，所以是2類

• IMG_HEIGHT、IMG_WIDTH、CHANNELS：表明資料是64*64畫素的3元彩色圖片

 

2.讀資料

呼叫的是read_images函式，把訓練資料進行queue讀取，然後把圖片二進位制轉碼，並且將圖片的尺寸統一。生成X,Y對應的是兩個列表，分別對應每個圖片的二進位制格式和所屬的類別是美還是醜。

3.CNN網路

本案例使用的是4層CNN網路結構，對應的是conv_net，具體的CNN說明可以看我之前發的關於CNN的文章：深度學習CNN眼中的圖片是什麼樣的

4.訓練

現在已經生成了整個CNN網路，也有了資料流，接下來就是通過後向傳播訓練整個網路。

• 通過tf.global_variables_initializer()為訓練網路生成預設引數

• 然後通過reduce_mean、train.AdamOptimizer這些OP來做模型的引數訓練

• train.Coordinator是構建資料流讀取執行緒，一定要加上，不然無法執行

• 利用tf.train.Saver()儲存整個模型的引數

 

以上就是模型訓練的一些關鍵的函式，在使用的時候只要clone專案，在根目錄下執行：

python face_train.py

即可生成模型資料夾model目錄：

ok~模型訓練就講完了，下次講如何通過這個模型對單個NBA球星的顏值打分，不知道大家看懂了沒有，此文先給想完整體驗一下深度學習做圖片分析的小白使用者，用的是最基礎的程式碼。最近跳票有點多，主要是加班太猛了~