使用 keras 进行人脸识别

Question

下面是我的人脸识别模型。在训练我的训练数据时，我遇到了几个问题。我的数据集包含我的图像。当我训练它时，验证准确率为 100%。而且它的预测也很糟糕。我该怎么做才能解决这个问题？

from keras import layers
from keras import models 

model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation='relu',
    input_shape = (150,150,3)))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Dropout(0.5))
model.add(layers.Conv2D(64,(3,3),activation='relu'))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(128,(3,3),activation='relu'))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Dropout(0.5))
model.add(layers.Conv2D(128,(3,3),activation='relu'))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Flatten())
model.add(layers.Dense(512,activation='relu'))
model.add(layers.Dense(1,activation='sigmoid'))

print(model.summary())

from keras import optimizers

model.compile(loss='binary_crossentropy',
    optimizer=optimizers.RMSprop(lr=1e-4),
    metrics=['acc'])

from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale=1./255)
val_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
    train_dir,
    target_size = (150,150),
    batch_size=20)

validation_generator = val_datagen.flow_from_directory(
    validation_dir,
    target_size = (150,150),
    batch_size=20)

history = model.fit_generator(
train_generator,
steps_per_epoch = 100,
epochs = 3,
validation_data = validation_generator,
validation_steps = 50)

model.save('/home/monojit/Desktop/me3.h5')

Answer 1

正在使用的数据集有多大？一个小数据集可能是问题所在，或者如果模型泛化不好，您的模型架构可能会出现问题。此外，您可能会使用ImageDataGenerator 查看图像增强，请参阅稍后我将链接到的博客文章。

如果这个项目的目的是在不明确了解 CNN 及其不同层的工作原理的情况下获得尽可能高的准确度，那么我建议如下。在处理图像时，您可能不想重新发明轮子。继续使用预训练的卷积神经网络，然后在您的图像上进行训练。与未经训练的网络相比，这将以更少的时期为您带来更高的准确性。可以在这里找到一篇很棒的博文Keras Cats vs dogs。 现在本教程是猫与狗。但是您可以使用（几乎取决于您的输入图像）完全相同的代码来解决您的问题。