基于卷积神经网络的人脸识别

这是基于cnn深度卷积神经网络算法的人脸识别程序代码，用的是Python

# -*-coding:utf8-*-#
“““
本程序基于python+numpy+theano+PIL开发，采用类似LeNet5的CNN模型，应用于olivettifaces人脸数据库，
实现人脸识别的功能，模型的误差降到了5%以下。
本程序只是个人学习过程的一个toy implement，模型可能存在overfitting，因为样本小，这一点也无从验证。

但是，本程序意在理清程序开发CNN模型的具体步骤，特别是针对图像识别，从拿到图像数据库，到实现一个针对这个图像数据库的CNN模型，
我觉得本程序对这些流程的实现具有参考意义。

@author:wepon（http://2hwp.com）
讲解这份代码的文章：http://blog.csdn.net/u012162613/article/details/43277187
“““
import os
import sys
import time

import numpy
from PIL import Image

import theano
import theano.tensor as T
from theano.tensor.signal import downsample
from theano.tensor.nnet import conv

“““
加载图像数据的函数dataset_path即图像olivettifaces的路径
加载olivettifaces后，划分为train_datavalid_datatest_data三个数据集
函数返回train_datavalid_datatest_data以及对应的label
“““
def load_data（dataset_path）:
    img = Image.open（dataset_path）
    img_ndarray = numpy.asarray（img dtype=‘float64‘）/256
    faces=numpy.empty（（4002679））
    for row in range（20）:
	   for column in range（20）:
		faces[row*20+column]=numpy.ndarray.flatten（img_ndarray [row*57:（row+1）*57column*47:（column+1）*47]）

    label=numpy.empty（400）
    for i in range（40）:
	label[i*10:i*10+10]=i
    label=label.astype（numpy.int）

    #分成训练集、验证集、测试集，大小如下
    train_data=numpy.empty（（3202679））
    train_label=numpy.empty（320）
    valid_data=numpy.empty（（402679））
    valid_label=numpy.empty（40）
    test_data=numpy.empty（（402679））
    test_label=numpy.empty（40）

    for i in range（40）:
	train_data[i*8:i*8+8]=faces[i*10:i*10+8]
	train_label[i*8:i*8+8]=label[i*10:i*10+8]
	valid_data[i]=faces[i*10+8]
	valid_label[i]=label[i*10+8]
	test_data[i]=faces[i*10+9]
	test_label[i]=label[i*10+9]

    #将数据集定义成shared类型，才能将数据复制进GPU，利用GPU加速程序。
    def shared_dataset（data_x data_y borrow=True）:
        shared_x = theano.shared（numpy.asarray（data_x
                                               dtype=theano.config.floatX）
                                 borrow=borrow）
        shared_y = theano.shared（numpy.asarray（data_y
                                               dtype=theano.config.floatX）
                                 borrow=borrow）
        return shared_x T.cast（shared_y ‘int32‘）



    train_set_x train_set_y = shared_dataset（train_datatrain_label）
    valid_set_x valid_set_y = shared_dataset（valid_datavalid_label）
    test_set_x test_set_y = shared_dataset（test_datatest_label）
    rval = [（train_set_x train_set_y） （valid_set_x valid_set_y）
            （test_set_x test_set_y）]
    return rval



#分类器，即CNN最后一层，采用逻辑回归（softmax）
class LogisticRegression（object）:
    def __init__（self input n_in n_out）:
        self.W = theano.shared（
            value=numpy.zeros（
                （n_in n_out）
                dtype=theano.config.floatX
            ）
            name=‘W‘
            borrow=True
        ）
        self.b = theano.shared（
            value=numpy.zeros（
                （n_out）
                dtype=theano.config.floatX
            ）
            name=‘b‘
            borrow=True
        ）
        self.p_y_given_x = T.nnet.softm

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-06-15 22:53  基于卷积神经网络的人脸识别\
     文件     1182905  2015-01-27 10:53  基于卷积神经网络的人脸识别\olivettifaces.gif
     文件    14750086  2015-01-29 15:30  基于卷积神经网络的人脸识别\params.pkl
     文件       15554  2015-01-30 07:21  基于卷积神经网络的人脸识别\train_CNN_olivettifaces.py
     文件        7042  2015-01-30 07:21  基于卷积神经网络的人脸识别\use_CNN_olivettifaces.py