olivettifaces人脸数据库识别

本文档是CNN卷积神经网络，用TensorFlow、Kreas两个框架对olivettifaces人脸数据集进行识别

# -*- coding：utf-8 -*-
# -*- author：zzZ_CMing  CSDN address:https://blog.csdn.net/zzZ_CMing
# -*- 2018/06/05；11:41
# -*- python3.5
“““
olivetti Faces是纽约大学组建的一个比较小的人脸数据库。有40个人，每人10张图片，组成一张有400张人脸的大图片。
像素灰度范围在[0255]。整张图片大小是1190*942，20行320列，所以每张照片大小是（1190/20）*（942/20）= 57*47
程序需配置h5py：python -m pip install h5py
博客地址：https://blog.csdn.net/zzZ_CMing，更多机器学习源码
“““
import numpy as np
from PIL import Image
from keras.models import Sequential
from keras.layers import Dense Dropout Activation Flatten
from keras.layers import Conv2D MaxPooling2D
from keras.optimizers import SGD    # 梯度下降的优化器
from keras.utils import np_utils
from keras import backend as K

# 读取整张图片的数据，并设置对应标签
def get_load_data（dataset_path）:
    img = Image.open（dataset_path）
    # 数据归一化。asarray是使用原内存将数据转化为np.ndarray
    img_ndarray = np.asarray（img dtype = ‘float64‘）/255
    # 400 pictures size: 57*47 = 2679  
    faces_data = np.empty（（400 2679））
    for row in range（20）:  
       for column in range（20）:
           # flatten可将多维数组降成一维
           faces_data[row*20+column] = np.ndarray.flatten（img_ndarray[row*57:（row+1）*57 column*47:（column+1）*47]）

    # 设置图片标签
    label = np.empty（400）
    for i in range（40）:
        label[i*10:（i+1）*10] = i
    label = label.astype（np.int）

    # 分割数据集：每个人前8张图片做训练，第9张做验证，第10张做测试；所以train:320valid:40test:40
    train_data = np.empty（（320 2679））
    train_label = np.empty（320）
    valid_data = np.empty（（40 2679））
    valid_label = np.empty（40）
    test_data = np.empty（（40 2679））
    test_label = np.empty（40）
    for i in range（40）:
        train_data[i*8:i*8+8] = faces_data[i*10:i*10+8] # 训练集对应的数据
        train_label[i*8:i*8+8] = label[i*10 : i*10+8]   # 训练集对应的标签
        valid_data[i] = faces_data[i*10+8]   # 验证集对应的数据
        valid_label[i] = label[i*10+8]       # 验证集对应的标签
        test_data[i] = faces_data[i*10+9]    # 测试集对应的数据
        test_label[i] = label[i*10+9]        # 测试集对应的标签
    train_data = train_data.astype（‘float32‘）
    valid_data = valid_data.astype（‘float32‘）
    test_data = test_data.astype（‘float32‘）
       
    result = [（train_data train_label） （valid_data valid_label） （test_data test_label）]
    return result

# CNN主体
def get_set_model（lr=0.005decay=1e-6momentum=0.9）:
    model = Sequential（）
    # 卷积1+池化1
    if K.image_data_format（） == ‘channels_first‘:
        model.add（Conv2D（nb_filters1 kernel_size=（3 3） input_shape = （1 img_rows img_cols）））
    else:
        model.add（Conv2D（nb_filters1 kernel_size=（2 2） input_shape = （img_rows img_cols 1）））
    model.add（Activation（‘tanh‘））
    model.add（MaxPooling2D（pool_size=（2 2）））

    # 卷积2+池化2
    model.add（Conv2D（nb_filters2 kernel_size=（3 3）））
    model.add（Activation（‘tanh‘））  
    model.add（MaxPooling2D（pool_size=（2 2）））
    model.add（Dropout（0.25））  

    # 全连接层1+分类器层
    model.add（Flatten（））  
    model.add（Dense（1000））       #Full connection
    model.add（Activation（‘tanh‘）） 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-07-16 14:43  olivettifaces人脸数据库识别\CNN_Kreas_olivettifaces\
     文件        6314  2018-07-16 14:43  olivettifaces人脸数据库识别\CNN_Kreas_olivettifaces\CNN+Kreas框架识别oli人脸数据库.py
     文件    21019712  2018-07-04 09:30  olivettifaces人脸数据库识别\CNN_Kreas_olivettifaces\model_weights.h5
     文件     1182905  2018-03-22 16:20  olivettifaces人脸数据库识别\CNN_Kreas_olivettifaces\olivettifaces.gif
     目录           0  2018-07-09 14:17  olivettifaces人脸数据库识别\CNN_tf_olivettifaces\
     文件     1182905  2018-03-22 16:20  olivettifaces人脸数据库识别\CNN_tf_olivettifaces\olivettifaces.gif
     文件    14751774  2018-07-04 09:33  olivettifaces人脸数据库识别\CNN_tf_olivettifaces\params.pkl
     文件       15755  2018-07-05 13:58  olivettifaces人脸数据库识别\CNN_tf_olivettifaces\train_CNN.py
     文件        7331  2018-03-23 16:22  olivettifaces人脸数据库识别\CNN_tf_olivettifaces\use_CNN.py