使用 TensorFlow 和 Keras 进行单类图像识别

Question

所以，假设我有一个包含我自己照片的数据集。而我想做的是训练一个神经网络，这样它就可以识别给定图像上是否是我。

但是要训练一个神经网络，我必须至少有 2 个类，所以我必须有我自己的照片（我已经有），我还必须有“不是我自己”的照片，我没有知道该怎么做。

那么，我想知道的是，“不是我”的照片是什么？那只是不包含我的随机照片吗，因为我已经尝试过了，但它不起作用。

现在，我知道在 stackoverflow 上有类似的问题，但没有答案，这将帮助我解决我的问题。

这里有一些代码：

我使用预训练模型来更好地识别图像：

pre_trained_model = InceptionV3(input_shape = (150, 150, 3), 
                                include_top = False, 
                                weights = None)

pre_trained_model.load_weights('img_model.h5')
for layer in pre_trained_model.layers:
    layer.trainable = False
    
last_layer = pre_trained_model.get_layer('mixed7')
last_output = last_layer.output

还有我的模型声明：

# Flatten the output layer to 1 dimension
x = layers.Flatten()(last_output)
# Add a fully connected layer with 1,024 hidden units and ReLU activation
x = layers.Dense(1024, activation='relu')(x)
# Add a dropout rate of 0.2
x = layers.Dropout(0.2)(x)
# Add a final sigmoid layer for classification
x = layers.Dense(1, activation='sigmoid')(x)

model = Model( pre_trained_model.input, x) 

model.compile(optimizer = RMSprop(lr=0.0001), 
              loss = 'binary_crossentropy', 
              metrics = ['accuracy'])

我在这里训练我的模型：

history = model.fit(
            train_generator,
            validation_data = validation_generator,
            epochs = 2,
            verbose = 2)

最后，我自己测试网络：

img = image.load_img('imgs/some_img_of_me.jpg', target_size=(150, 150))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)

classes = model.predict(x)
print(classes)

这是上面代码的结果：

[[0.]]

问题是模型总是返回[[0.]]，不管给定图像上是否是我。

所以我想知道：

• 如何解决我的问题
• 我是否应该使用神经网络，也许还有另一种不涉及它们的解决方案
• 在我的智能手机上我也有这个智能锁功能 - 当我想解锁我的智能手机时，它只会识别我的脸。所以看来我的问题的解决方案是存在的。

Answer 1

首先，人脸识别不作为常规分类问题处理。

最初，您可能有一万张包含数千个身份的照片。这是一个常规的分类解决方案。这意味着您的神经网络应该有数千个输出节点。输出中的每个节点都代表一个身份。假设您输入马特达蒙的图像。对于 is_matt_damon 节点，该实例的输出应为 1，其他节点应为 0。这样，您将针对一万个实例训练您的神经网络。

当训练结束时，网络的最后一层将被丢弃。这样，早期的层就代表了图像。我的意思是，即使你在训练中没有喂给莱昂纳多·迪卡普里奥的照片，神经网络也会在早期层返回一系列输出。这称为表示。

当您输入两张不同的迪卡普里奥照片时，您将获得两种不同的表现形式。预计这两种表示应该具有较低的距离。同样，如果你喂给马特达蒙和迪卡普里奥这对，那么表示应该有很长的距离。

欧几里得距离或余弦相似度可用于查找表示（或向量）之间的距离。

Answer 2

在没有神经网络的情况下进行任何图像识别都是极其困难的，所以在这方面，你做对了。

但是，对于大多数图像识别问题，卷积层是一个聪明的想法，因为它们最初是为了模拟连接到视神经的神经通路而创建的。此外，有必要检查一下你为神经网络提供了多少“你”和“不是你”，否则网络通常最终只能预测一个类别。

除了一些其他随机的东西之外，“不是你”图像的一个不错的选择是拥有不是你的人的照片。