人臉表情識別

簡介

這是科賽網曾今的一次計算機視覺類的分類賽，屬于一個視覺基礎任務。關于人臉表情識別，Kaggle等平臺也舉辦過相關的比賽，難度并不算大，但是對技巧的要求比較高。本文詳述該比賽的主要步驟，并構建多個模型對比效果。

數據探索

這部分主要是對數據集的簡單探索，由于計算機視覺類比賽數據多為圖片或者視頻格式，無需像挖掘賽那樣進行比較復雜的EDA。這部分的代碼可以在文末給出的Github倉庫的EDA.ipynb文件中找到。

數據集的目錄形式如下（數據集分享于百度云，提取碼為zczc），由于本比賽只需要將五種區分度比較明顯的表情識別出來，所以共五個文件夾，每個文件夾內的圖片為一類。

首先，生成了如下的csv格式的數據集說明文件如下，包含兩列，分別為文件的相對路徑和標簽。對該說明文件進行分析更加的方便，因為這個文件包含大多數數據集的信息，且Pandas提供了很多分析的API，很容易對表格數據處理。

首先觀察類別的分布，很遺憾，數據的類別分布如下。這是因為有的表情數據確實很少，盡管我們確實希望數據的分布是均衡的，但是這里的影響也不是很大，后面通過數據增強，會對這個情況有所改善。

隨后，隨機采樣10張圖片展示并顯示標簽，結果如下。通過這一步的觀察，不難發現，其實圖片中不僅僅是目標-人臉表情，有很多背景干擾因素，這就要求需要進行人臉檢測及圖片裁減了，也就是輸入深度模型中的不應該是原圖而應該是裁減后的人臉圖片。

數據預處理

這部分主要對圖片進行人臉截取，實現的原理是基于目標檢測的思路，分為傳統方法和深度方法，為了更快得到結果，這里使用軟件包face_recognition進行人臉檢測（注意處理單圖片多人臉情況），這是一個非常簡單的封裝好的人臉識別庫，可以通過pip安裝（若安裝出錯一般是dlib問題，安裝dlib的我回來文件即可）。

其人臉檢測的結果保存到本地后結果如下。注意，這個數據生成的過程時間較長。

核心代碼如下，具體代碼見文末Github。

def preprocess():categories = os.listdir(data_folder)for category in categories:in_path = os.path.join(data_folder, category)out_path = os.path.join(generate_folder, category + '_face')if not os.path.exists(out_path):os.mkdir(out_path)for file in glob(in_path + '/*.jpg'):file_name = file.split('\\')[-1]print(file_name)img = face_recognition.load_image_file(file)if max(img.shape) > 2000:if img.shape[0] > img.shape[1]:img = cv2.resize(img, (2000, int(2000 * img.shape[1] / img.shape[0])))else:img = cv2.resize(img, (int(2000 * img.shape[0] / img.shape[1]), 2000))locations = face_recognition.face_locations(img) # 人臉檢測，大部分為單個，但也有多個檢測結果if len(locations) <= 0:print("no face")else:for i, (a, b, c, d) in enumerate(locations):image_split = img[a:c, d:b, :]image_split = scale_img(image_split)Image.fromarray(image_split).save(os.path.join(out_path, file_name + '_{}.png'.format(i)))

數據加載

由于數據集已經被處理為很規范的數據集格式，這里直接調用TF2中Keras接口解析數據集（自己寫迭代器也是合適的，這里為了開發的速度采用封裝好的API），返回一個迭代器，同時在該接口中設置一些數據增強手段，這里主要使用水平翻轉。
具體代碼如下，關于如何使用Keras的數據加載接口可以見我之前的博客。

代碼如下，具體整個項目的代碼見文末Github。

class DataSet(object):def __init__(self, root_folder):self.folder = root_folderself.df_desc = pd.read_csv(self.folder + 'description.csv', encoding="utf8")def get_generator(self, batch_size=32, da=True):if da:# 數據增強train_gen = ImageDataGenerator(rescale=1 / 255., validation_split=0.2, horizontal_flip=True, shear_range=0.2,width_shift_range=0.1)else:train_gen = ImageDataGenerator(rescale=1 / 255., validation_split=0.2, horizontal_flip=False)img_size = (64, 64)train_generator = train_gen.flow_from_dataframe(dataframe=self.df_desc,directory='.',x_col='file_id',y_col='label',batch_size=batch_size,class_mode='categorical',target_size=img_size,subset='training')valid_generator = train_gen.flow_from_dataframe(dataframe=self.df_desc,directory=".",x_col="file_id",y_col="label",batch_size=batch_size,class_mode="categorical",target_size=img_size,subset='validation')return train_generator, valid_generator

模型構建

主要嘗試了構建一個簡單的CNN模型進行訓練和預測，這是模型較淺，這是考慮到可能的部署后的速度而采取的設計方法；此外，使用ResNet50模型結構嘗試訓練和預測。本文采用TensorFlow2.0構建模型進行訓練，這是TF2是一個很不錯的深度學習框架，相比于TF1很容易學習和使用，具體的可以查看我TensorFlow2系列的教程博客。

def CNN(input_shape=(224, 224, 3), n_classes=5):# inputinput_layer = Input(shape=input_shape)x = Conv2D(32, (1, 1), strides=1, padding='same', activation='relu')(input_layer)# block1x = Conv2D(64, (3, 3), strides=1, padding='same')(x)x = PReLU()(x)x = Conv2D(64, (5, 5), strides=1, padding='same')(x)x = PReLU()(x)x = MaxPooling2D(pool_size=(2, 2), strides=2)(x)# fcx = Flatten()(x)x = Dense(2048, activation='relu')(x)x = Dropout(0.5)(x)x = Dense(1024, activation='relu')(x)x = Dropout(0.5)(x)x = Dense(n_classes, activation='softmax')(x)model = Model(inputs=input_layer, outputs=x)return modeldef ResNet_pretrained(input_shape=(224, 224, 3), n_classes=5):input_layer = Input(shape=input_shape)densenet121 = ResNet50(include_top=False, weights=None, input_tensor=input_layer)x = GlobalAveragePooling2D()(densenet121.output)x = Dropout(0.5)(x)x = Dense(n_classes, activation='softmax')(x)model = Model(input_layer, x)return model

對比兩個模型的效果如下圖，訓練集很快達到接近100%的準確率，驗證集卻幾乎不怎么變化，說明模型的效果還是比較一般的，這主要是因為不同類的數據量差距太大（有的類別幾百個樣本有的類別幾萬個樣本），模型很難訓練，或者說很快達到極限。

這里注意，表情識別比賽只是一個簡單的分類賽，采用合適的深度特征提取網絡即可取得不錯的效果，對于這種分類問題一般采用端到端的模型設計即可，即使用分類損失交叉熵進行預測結果衡量，優化器選擇的是Adam，當然，為了更加適應任務可以自己設計合適的損失函數如focal損失，當然，這也只是錦上添花而已，真正需要優化的還是模型的結構。此外，也可以考慮RGB轉為Gray圖從而減少冗余信息等手段，或者引入更多的數據集進行訓練。

補充說明

真正構建實際系統是可以在模型應用的預測端進行一個增廣預測，將得到的結果進行加權從而得到真正的預測結果，具體可以參考我之前的項目。所有代碼開源于我的Github，歡迎Star或者Fork。

總結

以上是生活随笔為你收集整理的数据科学竞赛-人脸表情识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。