LoginSignup
3
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

@kiwsdiv

Keras+Colaboratoryでハーフタレントの顔識別したときのメモ

Last updated at Posted at 2022-09-24

概要

Keras+GoogleColabで顔識別を試してみた。 ハーフ系タレントを見事見分けられるか？？

目的

  • 顔認識システムを作りたい。
  • 過去に試した時の備忘録が消えてしまったので、再度やってみた。今回はメモを残す。

関連記事

やったこと

スクレイピングでデータ収集、データ前処理、モデル定義、Tensorboadで学習過程の可視化、Prediction、GradCamなど。試行錯誤なので無駄なこともやってるかも。

データ準備

画像はスクレイピングで収集。(顔認識のテストのためにスクレイピングでハーフタレントの画像収集してみた)

今回はハーフタレント（ハリー杉山、Joy、ウエンツ、ユージ、+ ラウール）で試してみた。
image.png

データを1:5の割合でtrain,testに分類。

#2割をテストデータに移行
import shutil
import random
import glob
import os
print('Making train data & test data...')
datadir  ="Orgdata/"
traindir ="data/train/"
testdir  ="data/test/"
SearchName = os.listdir(datadir)

test_num = 0.2 # 20%をテスト画像とする
if not os.path.exists(traindir):
  os.makedirs(os.path.join(traindir))
if not os.path.exists(testdir):
  os.makedirs(os.path.join(testdir))
for name in SearchName:
  print(name)
  in_dir = datadir+ name
  in_png = glob.glob(in_dir+"/*")
  img_file_name_list=os.listdir(in_dir)
  # img_file_name_listをシャッフル、そのうち2割をtest_imageディテクトリに入れる
  random.shuffle(in_png)
  if not os.path.exists(testdir+name):
    os.makedirs(testdir+name,exist_ok=True)
  if not os.path.exists(traindir+name):
    os.makedirs(traindir+name,exist_ok=True)
  for i_fl in range(len(in_png)):
    if i_fl < int(len(in_png)*test_num):
      shutil.copy(str(in_png[i_fl]),testdir+name)
    else:
      shutil.copy(str(in_png[i_fl]),traindir+name)

print('done!')

Data Augmentation

KerasのImageDataGeneratorを使ってみる。(このクラスの存在を知らなかったのでnumpyで関数を作っていた…。) 顔画像には[閾値処理、ぼかし処理、回転処理]が有効らしい。ただ、ぼかし処理はImageDataGeneratorにはないので、自作する必要がある。まずはImageDataGeneratorをつかった水増しを行う。
参考：自前のDeep Learning用のデータセットを拡張して水増しする

import os
import glob
import numpy as np
from keras.preprocessing.image import ImageDataGenerator,load_img,img_to_array,array_to_img

def draw_images(generator,x,img_name,dir_name,index):
  save_name = img_name+'_ext'
  g = generator.flow(x,batch_size=1,save_to_dir=output_dir,save_prefix=save_name,save_format='png')
  # 1つの入力画像から何枚拡張するかを指定
  n_aug = 10
  for i in range(n_aug):
    bach = g.next()

print('Data Augmentation...')
train_dir ="data/train"
SearchName=os.listdir(train_dir)

for i in range(len(SearchName)):
  name = SearchName[i]
  print(str(i+1)+'/'+str(len(SearchName))+':'+name)
  # InputDir
  input_dir = train_dir+"/"+name
  # Orginalimage
  images     = glob.glob(os.path.join(input_dir+"/*.png"))
  image_file = os.listdir(input_dir)
  # OutputDir
  output_dir = input_dir
  if not (os.path.exists(output_dir)):
    os.makedirs(output_dir)

  # SettingImageDataGenerator
  generator=ImageDataGenerator(
            rotation_range      = 30,  # [deg]まで回転
            width_shift_range   = 0.1, # 水平方向にランダムでシフト
            height_shift_range  = 0.1, # 垂直方向にランダムでシフト
            channel_shift_range = 50.0,# 色調をランダム変更
            shear_range         = 0.39,# 斜め方向(pi/8まで)に引っ張る
            horizontal_flip     = True,# 水平方向にランダムで反転
            vertical_flip       = False# 垂直方向にランダムで反転
            )
  
  # 読み込んだ画像を順に拡張
  for i in range(len(images)):
    img      = load_img(images[i])
    img_name = image_file[i].split('.')[0] # 元ファイル名を保存する
    # 画像を配列化して転置a
    x = img_to_array(img)
    x = np.expand_dims(x,axis=0)
    # 画像の拡張
    draw_images(generator,x,img_name,output_dir,i)

print('done!')

最終的には下記のようなデータ数となった。各150枚スクレイピングして、ごみを目視で取り除く作業をしたらこの位になった。大体同じくらいの数にそろえた方がいいかもしれない。

original test train
Other 170 34 1495
Joy 74 14 660
Harry 70 14 615
Uentsu 131 26 1155
Raul 55 11 484
Yuji 63 12 559

正規化とラベリング

正規化してラベリングを行う。

from keras.utils.np_utils import to_categorical
import cv2
import os
import numpy as np

def normalized(rgb):
  norm = np.zeros((rgb.shape[0],rgb.shape[1],3),np.float32)
  b = rgb[:,:,0]
  g = rgb[:,:,1]
  r = rgb[:,:,2]
  norm[:,:,0] = cv2.equalizeHist(b)
  norm[:,:,1] = cv2.equalizeHist(g)
  norm[:,:,2] = cv2.equalizeHist(r)
  return norm

def make_label(datadir):
  print('loading'+datadir+'...')
  SearchName = os.listdir(datadir)
  # 教師データのラベル付け
  data  = []
  label = []
  for i in range(len(SearchName)):
    name = SearchName[i]
    img_file_name_list = os.listdir(datadir+"/"+name)
    print("{}:Number of data is {}.".format(name,len(img_file_name_list)))

    for img_file in img_file_name_list:
      img_path = os.path.join(datadir+"/"+name+"/",img_file)
      img = np.uint8(normalized(cv2.imread(img_path)))
      if(img is None or len(img)==0):
        print('image'+img_file+':NoImage')
        continue
      else:
        data.append(img)
        label.append(np.uint8(i))
  
  print('done!')
  return(data,label)

print('Labeling...')
SaveDir ='data/'
if not os.path.exists(SaveDir):
  os.mkdir(os.path.join(SaveDir))

# TrainData
X_train,y_train = make_label('data/train')
X_train = np.array(X_train)
y_train = to_categorical(y_train)

# TestData
X_test,y_test = make_label('data/test')
X_test = np.array(X_test)
y_test = to_categorical(y_test)

# 顔認識する対象のclass Name作成
def classes_name(datadir):
  SearchName = os.listdir(datadir)
  # ラベル付け
  classes = []
  for i in range(len(SearchName)):
    name = SearchName[i]
    classes.append(name)
  return classes

classes = classes_name('data/train')
# classes = ['Other', 'Joy', 'Harry', 'Uentsu', 'Raul', 'Yuji']
print(classes)

print('Labeling done!')

Model

(180x180x3)の画像を6クラス分。

from keras.layers import Activation,Conv2D,Dense,Flatten,MaxPooling2D
from keras.models import Sequential

# CNNで学習するときの画像のサイズを設定（サイズが大きいと学習に時間がかかる）
ImgSize = (180,180,3)

# モデルの定義
model = Sequential()
model.add(Conv2D(input_shape=ImgSize,filters=32,kernel_size=(3,3),strides=(1,1),padding="same"))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Conv2D(filters=32,kernel_size=(3,3),strides=(1,1),padding="same"))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Conv2D(filters=32,kernel_size=(3,3),strides=(1,1),padding="same"))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(256))
model.add(Activation("sigmoid"))
model.add(Dense(128))
model.add(Activation('sigmoid'))

# 分類したい人数を入れる
model.add(Dense(len(classes)))
model.add(Activation('softmax'))

# コンパイル
print("Compilingmodel...")
model.compile(optimizer='sgd',loss = 'categorical_crossentropy',metrics = ['accuracy'])
print("done")
model.summary()

モデルを可視化すると下記のようになる。

from tensorflow.keras.utils import plot_model
# グラフで可視化。
plot_model(model, show_shapes=True)

image.png

学習

コールバックの作成

from keras.callbacks import ModelCheckpoint
# CheckPoint
print("Deifining callbacks...")
filepath = "weights/weights.best.hdf5"
checkpoint = ModelCheckpoint(filepath,monitor='val_accuracy',verbose=1,save_best_only=True,mode='max')
callbacks_list = [checkpoint]
os.makedirs('weights',exist_ok=True)
print("done.")

Tensorboad

学習の進捗をリアルタイムでVisualizeするためにTensorboadを使用してみた。必須ではない。

# Load the Tensor Board notebook extension
%load_ext tensorboard
from keras.callbacks import TensorBoard

logdir = "logs"
os.makedirs(logdir,exist_ok=True)
tf_callback = TensorBoard(log_dir=logdir,histogram_freq=1)
callbacks_list = [checkpoint,tf_callback]

# Visualize
%tensorboard --logdir logs

image.png

Model fitting

約5000枚のデータをバッチサイズ64、100エポック学習させる。Google Colab上で1エポック4sec程度。学習元のデータが不十分なのか、70エポック程度で過学習気味？accも0.5程度で頭打ち。 データクレンジングしたら改善した。

batch_size = 64
nb_epoch   = 100
print("Fitting model...")

history = model.fit(X_train, y_train, batch_size=batch_size, epochs = nb_epoch, verbose = 1, callbacks = callbacks_list, validation_data=(X_test,y_test))
print("done.")

# This save the trained model weights to this file with number of epochs
print("Saving model and weights...")
os.makedirs('models',exist_ok=True)
model.save('models/vgg16_model.hdf5')
model.save_weights('weights/model_weight_{}.hdf5'.format(nb_epoch))
print("done.")

精度の評価・表示

import matplotlib.pyplot as plt

# 汎化精度の評価・表示
score = model.evaluate(X_test, y_test, batch_size=32, verbose=0)
print('validation loss:{0[0]}\nvalidation accuracy:{0[1]}'.format(score))

# acc, val_accのプロット
plt.plot(history.history["accuracy"], label="accuracy", ls="-", marker="o")
plt.plot(history.history["val_accuracy"], label="val_accuracy", ls="-", marker="x")
plt.ylabel("accuracy")
plt.xlabel("epoch")
plt.legend(loc="best")
plt.show()

# loss, val_loss
plt.plot(history.history["loss"],     label="loss",     ls="-", marker="o")
plt.plot(history.history["val_loss"], label="val_loss", ls="-", marker="x")
plt.ylabel("loss")
plt.xlabel("epoch")
plt.legend(loc="best")
plt.show()

image.png
image.png

Prediction

modelとweightを読み込む。これらのファイルをダウンロードして置けば、別のPC環境でも実行可能。

from keras.models import load_model
model = load_model('models/vgg16_model.hdf5')
model.load_weights("weights/weights.best.hdf5")

testデータの中から適当なデータを突っ込んでみる。
1つの画像をPredictするのに0.15秒弱＠Let's Note

# テスト用のコード
from keras.preprocessing import image
import numpy as np
import matplotlib.pyplot as plt
import cv2
from google.colab.patches import cv2_imshow

def normalized(rgb):
  # print(rgb)
  # returnrgb/255.0
  norm = np.zeros((rgb.shape[0],rgb.shape[1],3),np.float32)
  b = rgb[:,:,0]
  g = rgb[:,:,1]
  r = rgb[:,:,2]
  norm[:,:,0] = cv2.equalizeHist(b)
  norm[:,:,1] = cv2.equalizeHist(g)
  norm[:,:,2] = cv2.equalizeHist(r)
  return norm

# 画像を読み込んで予測する
def img_predict(filename):
  print(filename)
  # 画像を読み込んで4次元テンソルへ変換
  # 学習時に cv2.equalizeHist で normalized したので、同様に正規化を行う。
  img = cv2.imread(filename)
  x   = np.uint8(normalized(img))
  x   = np.expand_dims(x, axis=0)

  # 表示
  cv2_imshow(img)

  # 指数表記を禁止にする
  np.set_printoptions(suppress=True)

  # 画像の人物を予測    
  pred = model.predict(x)[0]
  
  # 結果を表示する
  print(classes[np.argmax(pred)] + ':{:.2f}'.format(pred[np.argmax(pred)]*100) + '%' )

  print(classes)
  print(pred*100)

import glob
tests  = glob.glob('./data/test/*')
for human in tests:
  # テスト用の画像が入っているディレクトリのpathを()に入れてください
  test  = glob.glob(human + '/*')
  # 数字は各自入力
  i    = np.random.randint(len(test))
  img_predict(test[i])
  print('\n')

  • Other
    image.png
    Other:99.82%
    ['Other', 'Joy', 'Harry', 'Uentsu', 'Raul', 'Yuji']
    [99.82031 0.04009435 0.00082934 0.03350555 0.01194384 0.09332196]

  • Joy
    image.png
    Joy:38.14%
    ['Other', 'Joy', 'Harry', 'Uentsu', 'Raul', 'Yuji']
    [37.25051 38.13593 0.01143323 1.0881307 13.000186 10.513814 ]

  • Harry
    image.png
    Harry:98.07%
    ['Other', 'Joy', 'Harry', 'Uentsu', 'Raul', 'Yuji']
    [ 0.08365683 0.69369125 98.06667 0.6573652 0.49559665 0.0030142 ]

  • Uentsu
    image.png
    Uentsu:64.66%
    ['Other', 'Joy', 'Harry', 'Uentsu', 'Raul', 'Yuji']
    [14.70626 5.4450717 0.35880703 64.6608 4.9400964 9.888976 ]

  • Raul
    image.png
    Uentsu:78.08%
    ['Other', 'Joy', 'Harry', 'Uentsu', 'Raul', 'Yuji']
    [ 8.502379 1.1384983 0.36339712 78.08337 11.412714 0.4996482 ]

  • Yuji
    image.png
    Yuji:94.60%
    ['Other', 'Joy', 'Harry', 'Uentsu', 'Raul', 'Yuji']
    [ 0.11124698 1.4917603 0.00512221 3.3407028 0.44914895 94.60202 ]

そこそこPredictionできている？

Confusion Matrix

Confusion Matrixをプロットしてみた。

import numpy as np
from sklearn.metrics import confusion_matrix
import pandas as pd
import seaborn as sn
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt

def label_class(y_test):
  classes = np.zeros((len(y_test),))
  for i in range(len(y_test)):
    cls        = np.nonzero(y_test[i,:])[0][0]
    classes[i] = np.uint8(cls)
  return classes

def print_cmx(y_true,y_pred,xlabels,normalize=False):
  labels = sorted(list(set(y_true)))
  cmx_data = confusion_matrix(y_true,y_pred,labels=labels)
  if normalize:
    cmx_data = cmx_data.astype('float')/cmx_data.sum(axis=1)[:,np.newaxis]
  df_cmx = pd.DataFrame(cmx_data,index=labels,columns=labels)
  fig = plt.figure(figsize=(12,7))
  ax  = fig.add_subplot(1,1,1)
  
  fmt = '.2f' if normalize else 'd'
  sn.heatmap(df_cmx,annot=True,fmt=fmt,square=True)
  ax.set_xticklabels(xlabels)
  fig.autofmt_xdate(rotation=45)
  ax.set_yticklabels(xlabels)
  
  # fig.autofmt_ydate(rotation=90)
  plt.ylabel("actual")
  plt.xlabel("predict")
  plt.show()

predict_prob    = model.predict(X_test) 
predict_classes = np.argmax(predict_prob,axis=1)
true_classes    = np.argmax(y_test,axis=1)
xlabels         = classes

print_cmx(true_classes, predict_classes, xlabels)
print_cmx(true_classes, predict_classes, xlabels,normalize=True)

image.pngimage.png

全体的にUentsuに間違えがち。特に、Harry を Uentsuに間違えがち。Uentsuの元データが多く、芸歴も長いのでいろんな画像があるからだろうか？

試しに、オリジナルデータ全て識別させた結果を見てみる。学習に使ったデータが含まれるので、識別率は良くなるはず。

image.png
image.png

GradCAM

重みの可視化する。Pooling直前の最後のConv層の重みを見るらしい。ここでは"conv2d_2"を指定。

下記エラーが出て困っていたところ、非常に参考になるQiita記事を見つけたので、参考にさせていただきました。

RuntimeError: tf.gradients is not supported when eager execution is enabled. Use tf.GradientTape instead.

kerasとtensorflowでGrad-CAMを実装してみた

バージョン依存によるエラーのようです。2019年に動いたコードが動かなくなって一番はまったのはここでした。他にも以下の記事も参考にしました。

現バージョンは以下。

import tensorflow as tf
import keras
print('tensorflow version: ', tf.__version__)
print('keras version: ', keras.__version__)

tensorflow version:  2.8.2
keras version:  2.8.0

GradCamの関数を定義して、適当な画像で試してみる。

import numpy as np
import cv2

# 画像用
from keras.preprocessing.image import array_to_img, img_to_array, load_img
# モデル読み込み用
from keras.models import load_model
# Grad−CAM計算用
from tensorflow.keras import models
import tensorflow as tf

IMAGE_SIZE=(180,180)
target_layer = 'conv2d_2'

def grad_cam(input_model, x, layer_name=target_layer):
    """
    Args: 
        input_model(object): モデルオブジェクト
        x(ndarray): 画像
        layer_name(string): 畳み込み層の名前
    Returns:
        output_image(ndarray): 元の画像に色付けした画像
    """

    # 画像の前処理
    # 読み込む画像が1枚なため、次元を増やしておかないとmode.predictが出来ない
    X = np.expand_dims(x, axis=0)
    preprocessed_input = X.astype('float32') / 255.0    

    grad_model = models.Model([input_model.inputs], [input_model.get_layer(layer_name).output, input_model.output])

    with tf.GradientTape() as tape:
        conv_outputs, predictions = grad_model(preprocessed_input)
        class_idx = np.argmax(predictions[0])
        loss = predictions[:, class_idx]

    # 勾配を計算
    output = conv_outputs[0]
    grads = tape.gradient(loss, conv_outputs)[0]

    gate_f = tf.cast(output > 0, 'float32')
    gate_r = tf.cast(grads > 0, 'float32')

    guided_grads = gate_f * gate_r * grads

    # 重みを平均化して、レイヤーの出力に乗じる
    weights = np.mean(guided_grads, axis=(0, 1))
    cam = np.dot(output, weights)

    # 画像を元画像と同じ大きさにスケーリング
    cam = cv2.resize(cam, IMAGE_SIZE, cv2.INTER_LINEAR)
    # ReLUの代わり
    cam  = np.maximum(cam, 0)
    # ヒートマップを計算
    heatmap = cam / cam.max()

    # モノクロ画像に疑似的に色をつける
    jet_cam = cv2.applyColorMap(np.uint8(255.0*heatmap), cv2.COLORMAP_JET)
    # RGBに変換
    rgb_cam = cv2.cvtColor(jet_cam, cv2.COLOR_BGR2RGB)
    # もとの画像に合成
    output_image = (np.float32(rgb_cam) + x / 2)  

    return output_image

# Modeland Weight Setting
model=load_model('models/vgg16_model.hdf5') # load
model.load_weights("weights/weights.best.hdf5")

# 画像を読み込む
test = glob.glob('Orgdata/Uentsu/*')
i    = np.random.randint(len(test))
filename = test[i]

# Predictioin
img_predict(filename)

# GradCam
img = cv2.imread(filename)
x   = np.uint8(normalized(img)) # 正規化する

gradimg = grad_cam(model, x, target_layer)
gradimg = array_to_img(gradimg)

# 表示
plt.imshow(gradimg)
plt.show()

Orgdata/Uentsu/
image.png
Uentsu:99.83%
['Other', 'Joy', 'Harry', 'Uentsu', 'Raul', 'Yuji']
[ 0.01584092 0.02424594 0.02174441 99.82527 0.03469932 0.07820116]
image.png

目と口のあたりで判断しているのだろうか…。

結論

学習、識別まで一通り試すことができた。(Google Colaboratoryのノート全体)

データを増やす、正確にラベリングする、怪しいデータ(JOYか誰かわからないような画像)を省くことで識別率が上がったが、testデータでの識別率がいまいち。元データが大事。

モデルさえ作成できればGPUのないPCでも識別処理可能なので、会議中にWEBカメラに映る顔をリアルタイムで識別し続け、会議中に映して遊ぶこともできた。

同じ要領で自分の画像をGoogle Photoから抽出して、OpenCVで切り取り、学習させることもできたので、顔認識を用いるアプリに応用してみたい。

参考

3
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
3
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?