- Advertisement -
首頁 標籤 CNTK

CNTK

- Advertisment -

性別/年齡AI看手就知道

各位以為用人臉識別性別年齡就很厲害了嗎?這篇文章要來讓各位瞧瞧深度學習的黑科技可以黑到甚麼程度。只要透過手的照片,就能夠知道性別與年齡,透過卷積神經網路就能做到這麼神奇的效果。 本文將從數據到模型,透過微軟的深度學習框架CNTK以及臉書的深度學習框架Pytorch,來實作根據手的照片來判斷人的性別與年齡。以下解說部分張貼的皆為CNTK代碼,並附上兩個框架代碼。 首先關於使用的數據來自Google,他提供了一組數據包含了11,000張手部的照片(圖1),同時包含手的主人的性別年齡與種族。我們將會擷取裡面的性別(類別)與年齡(連續)數據來作為輸出變數,手部圖片作為輸入特徵。 圖1 Google提供了一組數據包含了11,000張手部的照片。 由於下載後還要自己整理圖片有些許麻煩,因此我也已做好圖片的懶人包,將圖片數據向量化,以及比對好標籤檔的結果,並以Pickle檔案格式儲存。 圖2為解析完的結果,清單內的每個項目也是一個子清單,裡面分別包含兩個Ndarray,第一個是形狀3×64×64的向量代表圖檔。請注意,CNTK與Pytorch都是CHW格式:通道×高×寬。另一個則是形狀為3的向量,裡面三個數值分別為id(數值相同代表是同一個人的不同角度的手)、年齡(介於0~100)以及性別(0是表示女性,1是表示男性)。 圖2 Google手部圖片分析後的結果 CNTK與Pytorch的圖片格式要求是一樣的,在各家深度學習框架中,僅有Tensorflow的排列順序相反。向量維度的排列是CHW(通道×高×寬),顏色的排列順序是BGR(藍綠紅),也就都是依照字母順序排列。 關於圖片與向量的轉換方法如下: def img2array(img: Image): arr=np.array(img).astype(np.float32) arr=arr.transpose(2, 0, 1)#轉成CHW arr=arr #顏色排序為BGR return np.ascontiguousarray(arr) def array2img(arr: np.ndarray): sanitized_img=arr#轉成RGB sanitized_img=np.maximum(0, np.minimum(255, np.transpose(arr, (1, 2, 0))))#轉成HWC img=Image.fromarray(sanitized_img.astype(np.uint8)) return img 為了供給建模使用的資料讀取器,同時也因為我想要畢其功於一役,讓兩種框架都可以一次適用,所以我寫了一個通用的讀取器來供應每個Minibatch所需要的數據。其中讀取圖片時,我將圖片向量除以255,而且讀取年齡時,我將數值除以100,都是為了確保數據可以介於0~1之間,以方便收斂。在這個範例中因為篇幅關係暫時不放數據增強(Data Augmentation)。利用函數,每次調用都可以回傳圖片以及所需要標籤。此外,要注意的是打亂圖片順序這個步驟很重要,Google的數據是有按照性別排序的。 在這裡要示範的卷積神經網路骨幹網路用的是我最近很推崇的一篇文章所介紹的新架構「DenseNet」,原始論文出處為「Densely Connected Convolutional Networks」。 傳統的卷積網路都是線性的,但當層數越多時,就有可能發生梯度彌散的問題,造成模型無法收斂。正因如此,微軟亞洲院2015年發展出的殘差神經網路(ResNet)就使用了跳轉連接(Skip Connection),以有效的將梯度挹注到後面神經層,這樣模型就可以做出超深的架構,也不用擔心難以收斂。 微軟2015年就以152層的ResNet獲得了當年的imageNet冠軍。但是深度學習在訓練的過程中,當卷積神經網路將梯度傳送到後層的時候,都會發生特徵被隨機遺失,這樣這個特徵就再也傳不下去而無用了。為了解決這個問題,DenseNet的基本概念就是,每一層的特徵都會傳送到後面的「每」一層,這樣就可以有效的確保訊號不被丟失。 圖3 ResNet架構 DenseNet的基本結構稱之為稠密單元(Dense Block),它有幾個重要的超參數: ·k:稠密單元層數 ·n_channel_start:初始通道數 ·glowth_rate:通道成長數 以圖4為例,假設下圖是一個k=4(向下傳遞4次,所以共5層),初始通道數32,成長數為16的Dense Block,分別計算每一層的輸入通道數(從前面傳進來): 圖4 5層架構的Dense Block   X1:32+16(來自於X0)=48 X2:48+16(來自於X1)=64 X3:64+16(來自於X0)+16(來自於X1)=96 X4:96+16(來自於X0)+16(來自於X1)+16(來自於X2)=144 Growth Rate有就是每次會傳遞多少通道到後面的層數,以上面說明案例固定數值為16,但該卷積層的通道數比這數字更大,因此等於是強迫每個卷積層要做一次特徵選取,將特徵精選之後傳至後方。這種「Save...
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -