教程詳解：用卷積神經(jīng)網(wǎng)絡(luò)檢測臉部關(guān)鍵點（一）

X = np.vstack(df['Image'].values) / 255. # scale pixel values to [0, 1]

X = X.astype(np.float32)

if not test: # only FTRAIN has any target columns

y = df[df.columns[:-1]].values

y = (y - 48) / 48 # scale target coordinates to [-1, 1]

X, y = shuffle(X, y, random_state=42) # shuffle train data

y = y.astype(np.float32)

else:

y = None

return X, y

X, y = load()

print(X.shape == {}; X.min == {:.3f}; X.max == {:.3f}.format(

X.shape, X.min(), X.max()))

print(y.shape == {}; y.min == {:.3f}; y.max == {:.3f}.format(

y.shape, y.min(), y.max()))

你沒有必要看懂這個函數(shù)的每一個細(xì)節(jié)。 但讓我們看看上面的腳本輸出：

$ python kfkd.py

left_eye_center_x 7034

left_eye_center_y 7034

right_eye_center_x 7032

right_eye_center_y 7032

left_eye_inner_corner_x 2266

left_eye_inner_corner_y 2266

left_eye_outer_corner_x 2263

left_eye_outer_corner_y 2263

right_eye_inner_corner_x 2264

right_eye_inner_corner_y 2264

…

mouth_right_corner_x 2267

mouth_right_corner_y 2267

mouth_center_top_lip_x 2272

mouth_center_top_lip_y 2272

mouth_center_bottom_lip_x 7014

mouth_center_bottom_lip_y 7014

Image 7044

dtype: int64

X.shape == (2140, 9216); X.min == 0.000; X.max == 1.000

y.shape == (2140, 30); y.min == -0.920; y.max == 0.996

首先，它打印出了CSV文件中所有列的列表以及每個列的可用值的數(shù)量。 因此，雖然我們有一個圖像的訓(xùn)練數(shù)據(jù)中的所有行，我們對于mouth_right_corner_x只有個2,267的值等等。

load()返回一個元組(X，y)，其中y是目標(biāo)矩陣。 y的形狀是n×m的，其中n是具有所有m個關(guān)鍵點的數(shù)據(jù)集中的樣本數(shù)。 刪除具有缺失值的所有行是這行代碼的功能：

df = df.dropna() # drop all rows that have missing values in them

這個腳本輸出的y.shape == (2140, 30)告訴我們，在數(shù)據(jù)集中只有2140個圖像有著所有30個目標(biāo)值。

一開始，我們將僅訓(xùn)練這2140個樣本。 這使得我們比樣本具有更多的輸入大小(9,216); 過度擬合可能成為一個問題。當(dāng)然，拋棄70%的訓(xùn)練數(shù)據(jù)也是一個壞主意。但是目前就這樣，我們將在后面談?wù)摗?/p>

第一個模型：一個單隱層

現(xiàn)在我們已經(jīng)完成了加載數(shù)據(jù)的工作，讓我們使用Lasagne并創(chuàng)建一個帶有一個隱藏層的神經(jīng)網(wǎng)絡(luò)。 我們將從代碼開始：

# add to kfkd.py

from lasagne import layers

from lasagne.updates import nesterov_momentum

from nolearn.lasagne import NeuralNet

net1 = NeuralNet(

layers=[ # three layers: one hidden layer

('input', layers.InputLayer),

('hidden', layers.DenseLayer),

('output', layers.DenseLayer),

],

# layer parameters:

input_shape=(None, 9216), # 96x96 input pixels per batch

hidden_num_units=100, # number of units in hidden layer

output_nonlinearity=None, # output layer uses identity function

output_num_units=30, # 30 target values

# optimization method:

update=nesterov_momentum,

update_learning_rate=0.01,

update_momentum=0.9,

regression=True, # flag to indicate we're dealing with regression problem

max_epochs=400, # we want to train this many epochs

verbose=1,

)

X, y = load()

net1.fit(X, y)

我們使用相當(dāng)多的參數(shù)來初始化NeuralNet。讓我們看看他們。首先是三層及其參數(shù)：

layers=[ # 三層神經(jīng)網(wǎng)絡(luò)：一個隱層

('input', layers.InputLayer),

('hidden', layers.DenseLayer),

('output', layers.DenseLayer),

],

# 層的參數(shù):

input_shape=(None, 9216), # 每個批次96x96個輸入樣例

hidden_num_units=100, # 隱層中的單元數(shù)

output_nonlinearity=None, # 輸出用的激活函數(shù)

output_num_units=30, # 30個目標(biāo)值

這里我們定義輸入層，隱藏層和輸出層。在層參數(shù)中，我們命名并指定每個層的類型及其順序。參數(shù)input_shape，hidden_??num_units，output_nonlinearity和output_num_units是特定層的參數(shù)。它們通過它們的前綴引用層，使得input_shape定義輸入層的shape參數(shù)，hidden_??num_units定義隱藏層的num_units等等。(看起來有點奇怪，我們必須指定像這樣的參數(shù)，但結(jié)果是它讓我們對于受使用scikit-learn的管道和參數(shù)搜索功能擁有更好的兼容性。)

我們將input_shape的第一個維度設(shè)置為None。這轉(zhuǎn)換為可變批量大小。如果你知道批量大小的話，也可以設(shè)置成固定值，如果為None，則是可變值。

我們將output_nonlinearity設(shè)置為None。因此，輸出單元的激活僅僅是隱藏層中的激活的線性組合。

DenseLayer使用的默認(rèn)非線性是rectifier，它其實就是返回max(0, x)。它是當(dāng)今最受歡迎的激活功能選擇。通過不明確設(shè)置hidden_??nonlinearity，我們選擇rectifier作為我們隱藏層的激活函數(shù)。

神經(jīng)網(wǎng)絡(luò)的權(quán)重用具有巧妙選擇的間隔的均勻分布來初始化。也就是說，Lasagne使用“Glorot-style”初始化來計算出這個間隔。

還有幾個參數(shù)。 所有以update開頭的參數(shù)用來表示更新方程(或最優(yōu)化方法)的參數(shù)。 更新方程將在每個批次后更新我們網(wǎng)絡(luò)的權(quán)重。 我們將使用涅斯捷羅夫動量梯度下降優(yōu)化方法(nesterov_momentum gradient descent optimization method)來完成這項工作。Lasagne實現(xiàn)的其他方法有很多，如adagrad和rmsprop。我們選擇nesterov_momentum，因為它已經(jīng)證明對于大量的問題很好地工作。