基于卷积神经网络的面部表情识别(Pytorch实现)----台大李宏毅机器学习作业3(HW3)
一、项目说明
给定数据集train.csv，要求使用卷积神经网络CNN，根据每个样本的面部图片判断出其表情。在本项目中，表情共分7类，分别为：（0）生气，（1）厌恶，（2）恐惧，（3）高兴，（4）难过，（5）惊讶和（6）中立（即面无表情，无法归为前六类）。所以，本项目实质上是一个7分类问题。
数据集介绍：
（1）、CSV文件，大小为28710行X2305列；
（2）、在28710行中，其中第一行为描述信息，即“label”和“feature”两个单词，其余每行内含有一个样本信息，即共有28709个样本；
（3）、在2305列中，其中第一列为该样本对应的label，取值范围为0到6。其余2304列为包含着每个样本大小为48X48人脸图片的像素值（2304=48X48），每个像素值取值范围在0到255之间；
（4）、数据集地址：https://pan.baidu.com/s/1hwrq5Abx8NOUse3oew3BXg ，提取码：ukf7 。
二、思路分析及代码实现
给定的数据集是csv格式的，考虑到图片分类问题的常规做法，决定先将其全部可视化，还原为图片文件再送进模型进行处理。
借助深度学习框架Pytorch1.0 CPU（穷逼）版本，搭建模型，由于需用到自己的数据集，因此我们需要重写其中的数据加载部分，其余用现成的API即可。
作业要求使用CNN实现功能，因此基本只能在调参阶段*发挥（不要鄙视调参，通过这次作业才发现，参数也不是人人都能调得好的，比如我）。
2.1 数据可视化
我们需要将csv中的像素数据还原为图片并保存下来，在python环境下，很多库都能实现类似的功能，如pillow，opencv等。由于笔者对opencv较为熟悉，且opencv又是专业的图像处理库，因此决定采用opencv实现这一功能。
2.1.1 数据分离
原文件中，label和人脸像素数据是集中在一起的。为了方便操作，决定利用pandas库进行数据分离，即将所有label 读出后，写入新创建的文件label.csv；将所有的像素数据读出后，写入新创建的文件data.csv。
1 # 将label和像素数据分离
2 import pandas as pd
3
4 # 修改为train.csv在本地的相对或绝对地址
5 path = './/ml2019spring-hw3//train.csv'
6 # 读取数据
7 df = pd.read_csv(path)
8 # 提取label数据
9 df_y = df[['label']]
10 # 提取feature（即像素）数据
11 df_x = df[['feature']]
12 # 将label写入label.csv
13 df_y.to_csv('label.csv', index=False, header=False)
14 # 将feature数据写入data.csv
15 df_x.to_csv('data.csv', index=False, header=False)
以上代码执行完毕后，在该代码脚本所在的文件夹下，就会生成两个新文件label.csv以及data.csv。在执行代码前，注意修改train.csv在本地的路径。
2.1.2 数据可视化
将数据分离后，人脸像素数据全部存储在data.csv文件中，其中每行数据就是一张人脸。按行读取数据，利用opencv将每行的2304个数据恢复为一张48X48的人脸图片，并保存为jpg格式。在保存这些图片时，将第一行数据恢复出的人脸命名为0.jpg，第二行的人脸命名为1.jpg......，以方便与label[0]、label[1]......一一对应。
1 import cv2
2 import numpy as np
3
4 # 指定存放图片的路径
5 path = './/face'
6 # 读取像素数据
7 data = np.loadtxt('data.csv')
8
9 # 按行取数据
10 for i in range(data.shape[0]):
11 face_array = data[i, :].reshape((48, 48)) # reshape
12 cv2.imwrite(path + '//' + '{}.jpg'.format(i), face_array) # 写图片
以上代码虽短，但涉及到大量数据的读取和大批图片的写入，因此占用的内存资源较多，且执行时间较长（视机器性能而定，一般要几分钟到十几分钟不等）。代码执行完毕，我们来到指定的图片存储路径，就能发现里面全部是写好的人脸图片。
粗略浏览一下这些人脸图片，就能发现这些图片数据来源较广，且并不纯净。就前60张图片而言，其中就包含了正面人脸，如1.jpg；侧面人脸，如18.jpg；倾斜人脸，如16.jpg；正面人头，如7.jpg；正面人上半身，如55.jpg；动漫人脸，如38.jpg；以及毫不相关的噪声，如59.jpg。放大图片后仔细观察，还会发现不少图片上还有水印。种种因素均给识别提出了严峻的挑战。
2.2 在pytorch下创建数据集
现在我们有了图片，但怎么才能把图片读取出来送给模型呢？
最简单粗暴的方法就是直接用opencv将所有图片读取出来，以numpy中array的数据格式直接送给模型。如果这样做的话，会一次性把所有图片全部读入内存，占用大量的内存空间，且只能使用单线程，效率不高，也不方便后续操作。
其实在pytorch中，有一个类（torch.utils.data.Dataset）是专门用来加载数据的，我们可以通过继承这个类来定制自己的数据集和加载方法。以下为基本流程。
2.2.1 创建data-label对照表
首先，我们需要划分一下训练集和验证集。在本次作业中，共有28709张图片，取前24000张图片作为训练集，其他图片作为验证集。新建文件夹train和val，将0.jpg到23999.jpg放进文件夹train，将其他图片放进文件夹val。
在继承torch.utils.data.Dataset类定制自己的数据集时，由于在数据加载过程中需要同时加载出一个样本的数据及其对应的label，因此最好能建立一个data-label对照表，其中记录着data和label的对应关系（“data-lable对照表”并非官方名词，这个技术流程是笔者参考了他人的博客后自己摸索的，这个名字也是笔者给命的名）。
有童鞋看到这里就会提出疑问了：在人脸可视化过程中，每张图片的命名不都和label的存放顺序是一一对应关系吗，为什么还要多此一举，再重新建立data-label对照表呢？笔者在刚开始的时候也是这么想的，按顺序（0.jpg, 1.jpg, 2.jpg......）加载图片和label（label[0], label[1], label[2]......），岂不是方便、快捷又高效？结果在实际操作的过程中才发现，程序加载文件的机制是按照文件名首字母（或数字）来的，即加载次序是0，1，10，100......，而不是预想中的0，1，2，3......，因此加载出来的图片不能够和label[0]，label[1]，lable[2]，label[3]......一一对应，所以建立data-label对照表还是相当有必要的。
建立data-label对照表的基本思路就是：指定文件夹（train或val），遍历该文件夹下的所有文件，如果该文件是.jpg格式的图片，就将其图片名写入一个列表，同时通过图片名索引出其label，将其label写入另一个列表。最后利用pandas库将这两个列表写入同一个csv文件。
执行这段代码前，注意修改相关文件路径。代码执行完毕后，会在train和val文件夹下各生成一个名为dataset.csv的data-label对照表。
1 import os
2 import pandas as pd
3
4 def data_label(path):
5 # 读取label文件
6 df_label = pd.read_csv('label.csv', header = None)
7 # 查看该文件夹下所有文件
8 files_dir = os.listdir(path)
9 # 用于存放图片名
10 path_list = []
11 # 用于存放图片对应的label
12 label_list = []
13 # 遍历该文件夹下的所有文件
14 for file_dir in files_dir:
15 # 如果某文件是图片，则将其文件名以及对应的label取出，分别放入path_list和label_list这两个列表中
16 if os.path.splitext(file_dir)[1] == ".jpg":
17 path_list.append(file_dir)
18 index = int(os.path.splitext(file_dir)[0])
19 label_list.append(df_label.iat[index, 0])
20
21 # 将两个列表写进dataset.csv文件
22 path_s = pd.Series(path_list)
23 label_s = pd.Series(label_list)
24 df = pd.DataFrame()
25 df['path'] = path_s
26 df['label'] = label_s
27 df.to_csv(path+'\\dataset.csv', index=False, header=False)
28
29
30 def main():
31 # 指定文件夹路径
32 train_path = 'F:\\0gold\\ML\\LHY_class\\FaceData\\train'
33 val_path = 'F:\\0gold\\ML\\LHY_class\\FaceData\\val'
34 data_label(train_path)
35 data_label(val_path)
36
37 if __name__ == "__main__":
38 main()
OK，代码执行完毕，让我们来看一看data-label对照表里面具体是什么样子吧！
2.2.2 重写Dataset类
首先介绍一下Pytorch中Dataset类：Dataset类是Pytorch中图像数据集中最为重要的一个类，也是Pytorch中所有数据集加载类中应该继承的父类。其中父类中的两个私有成员函数getitem()和len()必须被重载，否则将会触发错误提示。其中getitem()可以通过索引获取数据，len()可以获取数据集的大小。在Pytorch源码中，Dataset类的声明如下：
1 class Dataset(object): 2 """An abstract class representing a Dataset. 3 4 All other datasets should subclass it. All subclasses should override 5 ``__len__``, that provides the size of the dataset, and ``__getitem__``, 6 supporting integer indexing in range from 0 to len(self) exclusive. 7 """ 8 9 def __getitem__(self, index): 10 raise NotImplementedError 11 12 def __len__(self): 13 raise NotImplementedError 14 15 def __add__(self, other): 16 return ConcatDataset([self, other])
我们通过继承Dataset类来创建我们自己的数据加载类，命名为FaceDataset。
1 import torch 2 from torch.utils import data 3 import numpy as np 4 import pandas as pd 5 import cv2 6 7 class FaceDataset(data.Dataset):
首先要做的是类的初始化。之前的data-label对照表已经创建完毕，在加载数据时需用到其中的信息。因此在初始化过程中，我们需要完成对data-label对照表中数据的读取工作。
通过pandas库读取数据，随后将读取到的数据放入list或numpy中，方便后期索引。
1 # 初始化 2 def __init__(self, root): 3 super(FaceDataset, self).__init__() 4 # root为train或val文件夹的地址 5 self.root = root 6 # 读取data-label对照表中的内容 7 df_path = pd.read_csv(root + '\\dataset.csv', header=None, usecols=[0]) # 读取第一列文件名 8 df_label = pd.read_csv(root + '\\dataset.csv', header=None, usecols=[1]) # 读取第二列label 9 # 将其中内容放入numpy，方便后期索引 10 self.path = np.array(df_path)[:, 0] 11 self.label = np.array(df_label)[:, 0]
接着就要重写getitem()函数了，该函数的功能是加载数据。在前面的初始化部分，我们已经获取了所有图片的地址，在这个函数中，我们就要通过地址来读取数据。
由于是读取图片数据，因此仍然借助opencv库。需要注意的是，之前可视化数据部分将像素值恢复为人脸图片并保存，得到的是3通道的灰色图（每个通道都完全一样），而在这里我们只需要用到单通道，因此在图片读取过程中，即使原图本来就是灰色的，但我们还是要加入参数从cv2.COLOR_BGR2GARY，保证读出来的数据是单通道的。读取出来之后，可以考虑进行一些基本的图像处理操作，如通过高斯模糊降噪、通过直方图均衡化来增强图像等（经试验证明，在本次作业中，直方图均衡化并没有什么卵用，而高斯降噪甚至会降低正确率，可能是因为图片分辨率本来就较低，模糊后基本上什么都看不清了吧）。读出的数据是48X48的，而后续卷积神经网络中nn.Conv2d() API所接受的数据格式是(batch_size, channel, width, higth)，本次图片通道为1，因此我们要将48X48 reshape为1X48X48。
1 # 读取某幅图片，item为索引号
2 def __getitem__(self, item):
3 face = cv2.imread(self.root + '\\' + self.path[item])
4 # 读取单通道灰度图
5 face_gray = cv2.cvtColor(face, cv2.COLOR_BGR2GRAY)
6 # 高斯模糊
7 # face_Gus = cv2.GaussianBlur(face_gray, (3,3), 0)
8 # 直方图均衡化
9 face_hist = cv2.equalizeHist(face_gray)
10 # 像素值标准化
11 face_normalized = face_hist.reshape(1, 48, 48) / 255.0 # 为与pytorch中卷积神经网络API的设计相适配，需reshape原图
12 # 用于训练的数据需为tensor类型
13 face_tensor = torch.from_numpy(face_normalized) # 将python中的numpy数据类型转化为pytorch中的tensor数据类型
14 face_tensor = face_tensor.type('torch.FloatTensor') # 指定为'torch.FloatTensor'型，否则送进模型后会因数据类型不匹配而报错
15 label = self.label[item]
16 return face_tensor, label
最后就是重写len()函数获取数据集大小了。self.path中存储着所有的图片名，获取self.path第一维的大小，即为数据集的大小。
1 # 获取数据集样本个数 2 def __len__(self): 3 return self.path.shape[0]
完整代码：
1 class FaceDataset(data.Dataset):
2 # 初始化
3 def __init__(self, root):
4 super(FaceDataset, self).__init__()
5 self.root = root
6 df_path = pd.read_csv(root + '\\dataset.csv', header=None, usecols=[0])
7 df_label = pd.read_csv(root + '\\dataset.csv', header=None, usecols=[1])
8 self.path = np.array(df_path)[:, 0]
9 self.label = np.array(df_label)[:, 0]
10
11 # 读取某幅图片，item为索引号
12 def __getitem__(self, item):
13 face = cv2.imread(self.root + '\\' + self.path[item])
14 # 读取单通道灰度图
15 face_gray = cv2.cvtColor(face, cv2.COLOR_BGR2GRAY)
16 # 高斯模糊
17 # face_Gus = cv2.GaussianBlur(face_gray, (3,3), 0)
18 # 直方图均衡化
19 face_hist = cv2.equalizeHist(face_gray)
20 # 像素值标准化
21 face_normalized = face_hist.reshape(1, 48, 48) / 255.0 # 为与pytorch中卷积神经网络API的设计相适配，需reshape原图
22 # 用于训练的数据需为tensor类型
23 face_tensor = torch.from_numpy(face_normalized) # 将python中的numpy数据类型转化为pytorch中的tensor数据类型
24 face_tensor = face_tensor.type('torch.FloatTensor') # 指定为'torch.FloatTensor'型，否则送进模型后会因数据类型不匹配而报错
25 label = self.label[item]
26 return face_tensor, label
27
28 # 获取数据集样本个数
29 def __len__(self):
30 return self.path.shape[0]
2.2.3 数据集的使用
到此为止，我们已经成功地写好了自己的数据集加载类。那么这个类该如何使用呢？下面笔者将以训练集（train文件夹下的数据）加载为例，讲一下整个数据集加载类在模型训练过程中的使用方法。
首先，我们需要将这个类实例化。
1 # 数据集实例化(创建数据集) 2 train_dataset = FaceDataset(root='E:\\WSD\\HW3\\FaceData\\train')
train_dataset即为我们实例化的训练集，要想加载其中的数据，还需要DataLoader类的辅助。DataLoader类总是配合Dataset类一起使用，DataLoader类可以帮助我们分批次读取数据，也可以通过这个类选择读取数据的方式（顺序 or 随机乱序），还可以选择并行加载数据等，这个类并不要我们重写。
1 # 载入数据并分割batch 2 train_loader = data.DataLoader(train_dataset, batch_size)
最后，我们就能直接从train_loader中直接加载出数据和label了，而且每次都会加载出一个批次（batch）的数据和label。
1 for images, labels in train_loader: 2 ''' 3 通过images和labels训练模型 4 '''
2.3 网络模型搭建
通过Pytorch搭建基于卷积神经网络的分类器。刚开始是自己设计的网络模型，在训练时发现准确度一直上不去，折腾一周后走投无路，后来在github上找到了一个做表情识别的开源项目，用的是这个项目的模型结构，但还是没能达到项目中的精度（acc在74%）。下图为该开源项目中公布的两个模型结构，笔者用的是Model B ，且只采用了其中的卷积-全连接部分，如果大家希望进一步提高模型的表现能力，可以考虑向模型中添加Face landmarks + HOG features 部分。
可以看出，在Model B 的卷积部分，输入图片shape为48X48X1，经过一个3X3X64卷积核的卷积操作，再进行一次2X2的池化，得到一个24X24X64的feature map 1（以上卷积和池化操作的步长均为1，每次卷积前的padding为1，下同）。将feature map 1经过一个3X3X128卷积核的卷积操作，再进行一次2X2的池化，得到一个12X12X128的feature map 2。将feature map 2经过一个3X3X256卷积核的卷积操作，再进行一次2X2的池化，得到一个6X6X256的feature map 3。卷积完毕，数据即将进入全连接层。进入全连接层之前，要进行数据扁平化，将feature map 3拉一个成长度为6X6X256=9216的一维tensor。随后数据经过dropout后被送进一层含有4096个神经元的隐层，再次经过dropout后被送进一层含有1024个神经元的隐层，之后经过一层含256个神经元的隐层，最终经过含有7个神经元的输出层。一般再输出层后都会加上softmax层，取概率最高的类别为分类结果。
我们可以通过继承nn.Module来定义自己的模型类。以下代码实现了上述的模型结构。需要注意的是，在代码中，数据经过最后含7个神经元的线性层后就直接输出了，并没有经过softmax层。这是为什么呢？其实这和Pytorch在这一块的设计机制有关。因为在实际应用中，softmax层常常和交叉熵这种损失函数联合使用，因此Pytorch在设计时，就将softmax运算集成到了交叉熵损失函数CrossEntropyLoss()内部，如果使用交叉熵作为损失函数，就默认在计算损失函数前自动进行softmax操作，不需要我们额外加softmax层。Tensorflow也有类似的机制。
1 class FaceCNN(nn.Module): 2 # 初始化网络结构 3 def __init__(self): 4 super(FaceCNN, self).__init__() 5 6 # 第一次卷积、池化 7 self.conv1 = nn.Sequential( 8 # 输入通道数in_channels，输出通道数(即卷积核的通道数)out_channels，卷积核大小kernel_size，步长stride，对称填0行列数padding 9 # input:(bitch_size, 1, 48, 48), output:(bitch_size, 64, 48, 48), (48-3+2*1)/1+1 = 48 10 nn.Conv2d(in_channels=1, out_channels=64, kernel_size=3, stride=1, padding=1), # 卷积层 11 nn.BatchNorm2d(num_features=64), # 归一化 12 nn.RReLU(inplace=True), # 激活函数 13 # output(bitch_size, 64, 24, 24) 14 nn.MaxPool2d(kernel_size=2, stride=2), # 最大值池化 15 ) 16 17 # 第二次卷积、池化 18 self.conv2 = nn.Sequential( 19 # input:(bitch_size, 64, 24, 24), output:(bitch_size, 128, 24, 24), (24-3+2*1)/1+1 = 24 20 nn.Conv2d(in_channels=64, out_channels=128, kernel_size=3, stride=1, padding=1), 21 nn.BatchNorm2d(num_features=128), 22 nn.RReLU(inplace=True), 23 # output:(bitch_size, 128, 12 ,12) 24 nn.MaxPool2d(kernel_size=2, stride=2), 25 ) 26 27 # 第三次卷积、池化 28 self.conv3 = nn.Sequential( 29 # input:(bitch_size, 128, 12, 12), output:(bitch_size, 256, 12, 12), (12-3+2*1)/1+1 = 12 30 nn.Conv2d(in_channels=128, out_channels=256, kernel_size=3, stride=1, padding=1), 31 nn.BatchNorm2d(num_features=256), 32 nn.RReLU(inplace=True), 33 # output:(bitch_size, 256, 6 ,6) 34 nn.MaxPool2d(kernel_size=2, stride=2), 35 ) 36 37 # 参数初始化 38 self.conv1.apply(gaussian_weights_init) 39 self.conv2.apply(gaussian_weights_init) 40 self.conv3.apply(gaussian_weights_init) 41 42 # 全连接层 43 self.fc = nn.Sequential( 44 nn.Dropout(p=0.2), 45 nn.Linear(in_features=256*6*6, out_features=4096), 46 nn.RReLU(inplace=True), 47 nn.Dropout(p=0.5), 48 nn.Linear(in_features=4096, out_features=1024), 49 nn.RReLU(inplace=True), 50 nn.Linear(in_features=1024, out_features=256), 51 nn.RReLU(inplace=True), 52 nn.Linear(in_features=256, out_features=7), 53 ) 54 55 # 前向传播 56 def forward(self, x): 57 x = self.conv1(x) 58 x = self.conv2(x) 59 x = self.conv3(x) 60 # 数据扁平化 61 x = x.view(x.shape[0], -1) 62 y = self.fc(x) 63 return y
2.4 训练模型
有了模型，就可以通过数据的前向传播和误差的反向传播来训练模型了。在此之前，还需要指定优化器（即学习率更新的方式）、损失函数以及训练轮数、学习率等超参数。
在本次作业中，我们采用的优化器是SGD，即随机梯度下降，其中参数weight_decay为正则项系数；损失函数采用的是交叉熵；可以考虑使用学习率衰减。
1 def train(train_dataset, batch_size, epochs, learning_rate, wt_decay): 2 # 载入数据并分割batch 3 train_loader = data.DataLoader(train_dataset, batch_size) 4 # 构建模型 5 model = FaceCNN() 6 # 损失函数 7 loss_function = nn.CrossEntropyLoss() 8 # 优化器 9 optimizer = optim.SGD(model.parameters(), lr=learning_rate, weight_decay=wt_decay) 10 # 学习率衰减 11 # scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.8) 12 # 逐轮训练 13 for epoch in range(epochs): 14 # 记录损失值 15 loss_rate = 0 16 # scheduler.step() # 学习率衰减 17 model.train() # 模型训练 18 for images, labels in train_loader: 19 # 梯度清零 20 optimizer.zero_grad() 21 # 前向传播 22 output = model.forward(images) 23 # 误差计算 24 loss_rate = loss_function(output, labels) 25 # 误差的反向传播 26 loss_rate.backward() 27 # 更新参数 28 optimizer.step()
2.5 模型的保存与加载
我们训练的这个模型相对较小，因此可以直接保存整个模型（包括结构和参数）。
1 # 模型保存 2 torch.save(model, 'model_net1.pkl')
1 # 模型加载 2 model_parm = 'model_net1.pkl' 3 model = torch.load(net_parm)
三、源码分享
3.1 源代码
代码在CPU上跑起来较慢，视超参数和机器性能不同，一般跑完需耗时几小时到几十小时不等。代码执行时，每轮输出一次损失值，每5轮输出一次在训练集和验证集上的正确率。有条件的可以在GPU上尝试。
1 import torch
2 import torch.utils.data as data
3 import torch.nn as nn
4 import torch.optim as optim
5 import numpy as np
6 import pandas as pd
7 import cv2
8
9 # 参数初始化
10 def gaussian_weights_init(m):
11 classname = m.__class__.__name__
12 # 字符串查找find，找不到返回-1，不等-1即字符串中含有该字符
13 if classname.find('Conv') != -1:
14 m.weight.data.normal_(0.0, 0.04)
15
16 # 人脸旋转，尝试过但效果并不好，本次并未用到
17 def imgProcess(img):
18 # 通道分离
19 (b, g, r) = cv2.split(img)
20 # 直方图均衡化
21 bH = cv2.equalizeHist(b)
22 gH = cv2.equalizeHist(g)
23 rH = cv2.equalizeHist(r)
24
25 # 顺时针旋转15度矩阵
26 M0 = cv2.getRotationMatrix2D((24,24),15,1)
27 # 逆时针旋转15度矩阵
28 M1 = cv2.getRotationMatrix2D((24,24),15,1)
29 # 旋转
30 gH = cv2.warpAffine(gH, M0, (48, 48))
31 rH = cv2.warpAffine(rH, M1, (48, 48))
32 # 通道合并
33 img_processed = cv2.merge((bH, gH, rH))
34 return img_processed
35
36 # 验证模型在验证集上的正确率
37 def validate(model, dataset, batch_size):
38 val_loader = data.DataLoader(dataset, batch_size)
39 result, num = 0.0, 0
40 for images, labels in val_loader:
41 pred = model.forward(images)
42 pred = np.argmax(pred.data.numpy(), axis=1)
43 labels = labels.data.numpy()
44 result += np.sum((pred == labels))
45 num += len(images)
46 acc = result / num
47 return acc
48
49 class FaceDataset(data.Dataset):
50 # 初始化
51 def __init__(self, root):
52 super(FaceDataset, self).__init__()
53 self.root = root
54 df_path = pd.read_csv(root + '\\dataset.csv', header=None, usecols=[0])
55 df_label = pd.read_csv(root + '\\dataset.csv', header=None, usecols=[1])
56 self.path = np.array(df_path)[:, 0]
57 self.label = np.array(df_label)[:, 0]
58
59 # 读取某幅图片，item为索引号
60 def __getitem__(self, item):
61 # 图像数据用于训练，需为tensor类型，label用numpy或list均可
62 face = cv2.imread(self.root + '\\' + self.path[item])
63 # 读取单通道灰度图
64 face_gray = cv2.cvtColor(face, cv2.COLOR_BGR2GRAY)
65 # 高斯模糊
66 # face_Gus = cv2.GaussianBlur(face_gray, (3,3), 0)
67 # 直方图均衡化
68 face_hist = cv2.equalizeHist(face_gray)
69 # 像素值标准化
70 face_normalized = face_hist.reshape(1, 48, 48) / 255.0
71 face_tensor = torch.from_numpy(face_normalized)
72 face_tensor = face_tensor.type('torch.FloatTensor')
73 label = self.label[item]
74 return face_tensor, label
75
76 # 获取数据集样本个数
77 def __len__(self):
78 return self.path.shape[0]
79
80 class FaceCNN(nn.Module):
81 # 初始化网络结构
82 def __init__(self):
83 super(FaceCNN, self).__init__()
84
85 # 第一次卷积、池化
86 self.conv1 = nn.Sequential(
87 # 输入通道数in_channels，输出通道数(即卷积核的通道数)out_channels，卷积核大小kernel_size，步长stride，对称填0行列数padding
88 # input:(bitch_size, 1, 48, 48), output:(bitch_size, 64, 48, 48), (48-3+2*1)/1+1 = 48
89 nn.Conv2d(in_channels=1, out_channels=64, kernel_size=3, stride=1, padding=1), # 卷积层
90 nn.BatchNorm2d(num_features=64), # 归一化
91 nn.RReLU(inplace=True), # 激活函数
92 # output(bitch_size, 64, 24, 24)
93 nn.MaxPool2d(kernel_size=2, stride=2), # 最大值池化
94 )
95
96 # 第二次卷积、池化
97 self.conv2 = nn.Sequential(
98 # input:(bitch_size, 64, 24, 24), output:(bitch_size, 128, 24, 24), (24-3+2*1)/1+1 = 24
99 nn.Conv2d(in_channels=64, out_channels=128, kernel_size=3, stride=1, padding=1),
100 nn.BatchNorm2d(num_features=128),
101 nn.RReLU(inplace=True),
102 # output:(bitch_size, 128, 12 ,12)
103 nn.MaxPool2d(kernel_size=2, stride=2),
104 )
105
106 # 第三次卷积、池化
107 self.conv3 = nn.Sequential(
108 # input:(bitch_size, 128, 12, 12), output:(bitch_size, 256, 12, 12), (12-3+2*1)/1+1 = 12
109 nn.Conv2d(in_channels=128, out_channels=256, kernel_size=3, stride=1, padding=1),
110 nn.BatchNorm2d(num_features=256),
111 nn.RReLU(inplace=True),
112 # output:(bitch_size, 256, 6 ,6)
113 nn.MaxPool2d(kernel_size=2, stride=2),
114 )
115
116 # 参数初始化
117 self.conv1.apply(gaussian_weights_init)
118 self.conv2.apply(gaussian_weights_init)
119 self.conv3.apply(gaussian_weights_init)
120
121 # 全连接层
122 self.fc = nn.Sequential(
123 nn.Dropout(p=0.2),
124 nn.Linear(in_features=256*6*6, out_features=4096),
125 nn.RReLU(inplace=True),
126 nn.Dropout(p=0.5),
127 nn.Linear(in_features=4096, out_features=1024),
128 nn.RReLU(inplace=True),
129 nn.Linear(in_features=1024, out_features=256),
130 nn.RReLU(inplace=True),
131 nn.Linear(in_features=256, out_features=7),
132 )
133
134 # 前向传播
135 def forward(self, x):
136 x = self.conv1(x)
137 x = self.conv2(x)
138 x = self.conv3(x)
139 # 数据扁平化
140 x = x.view(x.shape[0], -1)
141 y = self.fc(x)
142 return y
143
144 def train(train_dataset, val_dataset, batch_size, epochs, learning_rate, wt_decay):
145 # 载入数据并分割batch
146 train_loader = data.DataLoader(train_dataset, batch_size)
147 # 构建模型
148 model = FaceCNN()
149 # 损失函数
150 loss_function = nn.CrossEntropyLoss()
151 # 优化器
152 optimizer = optim.SGD(model.parameters(), lr=learning_rate, weight_decay=wt_decay)
153 # 学习率衰减
154 # scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.8)
155 # 逐轮训练
156 for epoch in range(epochs):
157 # 记录损失值
158 loss_rate = 0
159 # scheduler.step() # 学习率衰减
160 model.train() # 模型训练
161 for images, labels in train_loader:
162 # 梯度清零
163 optimizer.zero_grad()
164 # 前向传播
165 output = model.forward(images)
166 # 误差计算
167 loss_rate = loss_function(output, labels)
168 # 误差的反向传播
169 loss_rate.backward()
170 # 更新参数
171 optimizer.step()
172
173 # 打印每轮的损失
174 print('After {} epochs , the loss_rate is : '.format(epoch+1), loss_rate.item())
175 if epoch % 5 == 0:
176 model.eval() # 模型评估
177 acc_train = validate(model, train_dataset, batch_size)
178 acc_val = validate(model, val_dataset, batch_size)
179 print('After {} epochs , the acc_train is : '.format(epoch+1), acc_train)
180 print('After {} epochs , the acc_val is : '.format(epoch+1), acc_val)
181
182 return model
183
184 def main():
185 # 数据集实例化(创建数据集)
186 train_dataset = FaceDataset(root='E:\\WSD\\HW3\\FaceData\\train')
187 val_dataset = FaceDataset(root='E:\\WSD\\HW3\\FaceData\\val')
188 # 超参数可自行指定
189 model = train(train_dataset, val_dataset, batch_size=128, epochs=100, learning_rate=0.1, wt_decay=0)
190 # 保存模型
191 torch.save(model, 'model_net1.pkl')
192
193
194 if __name__ == '__main__':
195 main()
3.2 说明
这是*大学李宏毅老师机器学习课程（2019年春季）第三次作业。在该数据集上，只用卷积神经网络和其他辅助手段，能达到的最高分类正确率在75%左右。我前后折腾了近3周，一方面因为能力有限，无人交流指导，另一方面是因为算力有限（穷逼一个，没有GPU）,最终正确率也仅有63%。上面的源代码不是我的最终模型，一是因为我的模型本来就不好，过拟合有点严重；二是因为我希望大家能自己动手体验一波调参的乐趣。在此抛砖引玉，要是有哪个小伙伴有好的改进方法，欢迎来和我交流鸭~
参考资料：
本次作业发布地址：https://ntumlta2019.github.io/ml-web-hw3/
面部表情识别GitHub地址：https://github.com/amineHorseman/facial-expression-recognition-using-cnn
Pytorch制作数据集：https://ptorch.com/news/215.html
https://blog.csdn.net/Teeyohuang/article/details/79587125