概要

この記事の一部です。

目標：顔が写っている画像から、男女を識別したい。

全体の流れ

男女別のラベルが付いている画像データを用意。
VGG16を転移学習させる

1. 男女別のラベルが付いている画像データを用意。

UTKFaceのデータセットを利用。
もともと顔の部分のみ切り取られた画像のものと、上半身が写っている画像のものが用意されているが、実際に適用したい画像はdlibでマージンをつけて切り取ったものなので、こちらも同様にdlibで切り取った。

#2. VGG16を転移学習させる

vgg_face.py

import os
import glob
import numpy as np
import keras
import matplotlib.pyplot as plt
%matplotlib inline

img_width, img_height = 224, 224

from keras.preprocessing.image import ImageDataGenerator

# data augumentation
train_datagen = ImageDataGenerator(
    rescale=1.0 / 255,
    zca_whitening=True,
    rotation_range=20,
    zoom_range=0.2,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True
)

test_datagen = ImageDataGenerator(rescale=1.0 / 255)

from keras.models import Sequential, Model
from keras.layers import Dense, Input, Flatten, Dropout
from keras.applications.vgg16 import VGG16

# set input layer and load vgg16
input_tensor = Input(shape=(img_height, img_width, 3))
vgg16_model = VGG16(include_top=False, input_tensor=input_tensor)
# 14層目までのモデル重みを固定（VGG16のモデル重みを用いる）
for layer in vgg16_model.layers[:15]:
    layer.trainable = False

# define FC layer
fc_model = Sequential()
fc_model.add(Flatten(input_shape=vgg16_model.output_shape[1:]))
fc_model.add(Dense(256, activation='relu'))
fc_model.add(Dropout(0.5))
fc_model.add(Dense(1, activation='sigmoid'))

model = Model(inputs=vgg16_model.input, outputs=fc_model(vgg16_model.output))

model.compile(
    # optimizer = "adam", これはうまく行かないらしい
    optimizer=keras.optimizers.SGD(lr=1e-4, momentum=0.9),
    loss='binary_crossentropy',
    metrics=['accuracy']
)

# es_cb = keras.callbacks.EarlyStopping(monitor='val_loss', patience=0, verbose=0, mode='auto')
tb_cb = keras.callbacks.TensorBoard(log_dir="./logs")

#VGG
train_data_dir = './margin30/train'
test_data_dir = './margin30/test/'

train_generator = train_datagen.flow_from_directory(
        train_data_dir,
        target_size=(224, 224),
        batch_size=32,
        class_mode='binary')

test_generator = test_datagen.flow_from_directory(
    test_data_dir,
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary')

train_steps = len(glob.glob('./margin30/train/man/*'))
validation_steps = len(glob.glob('./margin30/test/man/*'))
epochs = 100

history = model.fit_generator(
        train_generator,
        steps_per_epoch=train_steps,
        epochs=epochs,
        validation_data=test_generator,
        validation_steps=validation_steps,
        callbacks=[tb_cb]
)

model.save('margin20_close_100.hdf5')