Мне нужно построить нейронную сеть, способную распознавать лицо 15 человек. Я использую керас. Мой набор данных состоит из 300 изображений и состоит из тренинга, валидации и тестирования. Для каждого из 15 человек у меня есть следующее подразделение:
- Обучение: 13
- Проверка: 3
- Тест: 4
Поскольку я не мог построить эффективную нейронную сеть с нуля, я также считаю, что мой набор данных очень мал, поэтому я пытаюсь решить свою проблему, проводя обучение с переносом. Я использовал сеть VGG16. На этапе обучения и проверки я получаю хорошие результаты, но когда я запускаю тесты, результаты катастрофические.
Я не знаю, в чем моя проблема. Вот код, который я использовал:
img_width, img_height = 256, 256
train_data_dir = 'dataset_biometria/face/training_set'
validation_data_dir = 'dataset_biometria/face/validation_set'
nb_train_samples = 20
nb_validation_samples = 20
batch_size = 16
epochs = 5
model = applications.VGG19(weights = "imagenet", include_top=False, input_shape = (img_width, img_height, 3))
for layer in model.layers:
layer.trainable = False
#Adding custom Layers
x = model.output
x = Flatten()(x)
x = Dense(1024, activation="relu")(x)
x = Dropout(0.4)(x)
x = Dense(1024, activation="relu")(x)
predictions = Dense(15, activation="softmax")(x)
# creating the final model
model_final = Model(input = model.input, output = predictions)
# compile the model
model_final.compile(loss = "categorical_crossentropy", optimizer = optimizers.SGD(lr=0.0001, momentum=0.9), metrics=["accuracy"])
# Initiate the train and test generators with data Augumentation
train_datagen = ImageDataGenerator(
rescale = 1./255,
horizontal_flip = True,
fill_mode = "nearest",
zoom_range = 0.3,
width_shift_range = 0.3,
height_shift_range=0.3,
rotation_range=30)
test_datagen = ImageDataGenerator(
rescale = 1./255,
horizontal_flip = True,
fill_mode = "nearest",
zoom_range = 0.3,
width_shift_range = 0.3,
height_shift_range=0.3,
rotation_range=30)
train_generator = train_datagen.flow_from_directory(
train_data_dir,
target_size = (img_height, img_width),
batch_size = batch_size,
class_mode = "categorical")
validation_generator = test_datagen.flow_from_directory(
validation_data_dir,
target_size = (img_height, img_width),
class_mode = "categorical")
# Save the model according to the conditions
checkpoint = ModelCheckpoint("vgg16_1.h5", monitor='val_acc', verbose=1, save_best_only=True, save_weights_only=False, mode='auto', period=1)
early = EarlyStopping(monitor='val_acc', min_delta=0, patience=10, verbose=1, mode='auto')
# Train the model
model_final.fit_generator(
train_generator,
samples_per_epoch = nb_train_samples,
epochs = epochs,
validation_data = validation_generator,
nb_val_samples = nb_validation_samples,
callbacks = [checkpoint, early])
model('model_face_classification.h5')
Я также пытался тренировать некоторые слои, а не тренировать их, как в примере ниже:
for layer in model.layers[:10]:
layer.trainable = False
Я также пытался изменить количество эпох, размер пакета, nb_validation_samples, nb_validation_sample.
К сожалению, результат не изменился, на этапе тестирования моя сеть не может правильно распознать лица.