人臉素描屬性識別

程式碼：https://github.com/linkcao/FS2K_extract

問題分析

• 需要根據FS2K資料集進行訓練和測試，實現輸入一張圖片，輸出該圖片的屬性特徵資訊，提取屬性特徵包括hair（有無頭髮）、hair_color(頭髮顏色)、gender（影象人物性別）、earring（是否有耳環）、smile（是否微笑）、frontal_face(是否歪脖)、style（圖片風格），詳細資訊均可通過FS2K的anno_train.json和anno_test.json獲取，本質是一個多標籤分類問題。

處理方案

• 首先對於FS2K資料集用官方的資料劃分程式進行劃分，之後對劃分後的資料進行預處理，統一圖片字尾為jpg，之後自定義資料載入類，在資料載入過程中進行標籤編碼，對圖片大小進行統一，並轉成tensor，在處理過程中發現存在4個通道的圖片，採取取前3個通道的方案，之後再對影象進行標準化，可以加快模型的收斂，處理完成的資料作為模型的輸入，在深度學習模型方面，首先需要進行模型選擇，使用了三個模型，分別為VGG16,ResNet121以及DenseNet121，在通過pytorch預訓練模型進行載入，並修改模型輸出層，輸出數量為圖片屬性特徵數，之後在設定模型訓練的引數，包括Batch，學習率，epoch等，在每一輪訓練完成後，都需要對預測出的特徵進行處理，在二分類標籤設定概率閾值，多分類標籤特徵列則進行最大概率類別組合，取預測概率最大的類別作為當前屬性的預測結果，每一輪訓練都在測試集上進行效能評估，並根據F1指標擇優儲存模型。訓練完成後，在測試集上預測屬性提取結果，對每一個屬性進行效能評估，最後取平均，得到平均的效能指標。

整體的處理流程如下圖所示：

資料預處理

1. 資料劃分，根據FS2K官方給出的資料劃分得到訓練集和測試集
2. 統一圖片字尾為jpg，通道數為3
3. 所給資料集分為三個資料夾，每個資料夾圖片的畫素各不相同，分別為250*250、475 *340、223 *318，這裡統一變換成256 * 256，便於後序處理
4. 將圖片資料轉成tensor
5. 逐channel的對影象進行標準化，可以加快模型的收斂

標籤編碼

1. 由於目標屬性集中存在hair_color、style 兩個多分類標籤，因此對這兩個標籤做編碼處理
2. 採用One_Hot編碼對多類別標籤進行處理
   1. hair_color中0 對應 [1,0,0,0,0], 1對應[0,1,0,0,0], 2對應[0,0,1,0,0],以此類推，共5類
   2. style中 0 對應 [1,0,0]，1對應[0,1,0], 2對應[0,0,1],以此類推,共3類
3. 在和其他的5個二分類標籤拼接組成標籤向量，共13維

實驗模型

VGG16

模型結構引數

由於VGG16最後一層全連線輸出1000維特徵，因此在本題中需要在加一層全連線輸入1000維特徵，輸出13維特徵，最後再加上一層sigmoid啟用函數，在得到每一類預測的概率後，針對編碼過的hair_color、style的8列，對各自的編碼後的對應列計算概率最大的列下標，作為該屬性的預測值。
訓練引數

batch	64
epoch	20
optimizer (優化器)	SGD(隨機梯度下降)
criterion (損失函數)	BCELoss(二分類交叉熵損失)
學習率	0.01

photo資料集上模型訓練Loss

結果 「方法一」

	f1	precision	recall	accuracy
hair	0.926064	0.903045	0.950287	0.950287
gender	0.598046	0.611282	0.59369	0.59369
earring	0.74061	0.674408	0.821224	0.821224
smile	0.513038	0.580621	0.639579	0.639579
frontal_face	0.758024	0.694976	0.833652	0.833652
hair_color	0.351596	0.387132	0.389101	0.389101
style	0.460469	0.526145	0.443595	0.443595
average	0.668481	0.672201	0.708891	0.708891

ResNet18

模型結構引數

模型修改 ，模型最後加一層全連線輸入1000維特徵，輸出13維特徵，最後再加上一層sigmoid啟用函數

訓練引數

batch	64
epoch	20
optimizer (優化器)	SGD(隨機梯度下降)
criterion (損失函數)	BCELoss(二分類交叉熵損失)
學習率	0.01

photo資料集上模型訓練Loss

photo資料集結果 「方法二」

	f1	precision	recall	accuracy
hair	0.926064	0.903045	0.950287	0.950287
gender	0.657874	0.657195	0.6587	0.6587
earring	0.744185	0.764809	0.821224	0.821224
smile	0.634135	0.63298	0.652008	0.652008
frontal_face	0.758024	0.694976	0.833652	0.833652
hair_color	0.498804	0.515916	0.546845	0.546845
style	0.508202	0.57917	0.482792	0.482792
average	0.715911	0.718511	0.743188	0.743188

Sketch資料集上模型訓練Loss

sketch資料集結果 「方法三」

	f1	precision	recall	accuracy
hair	0.926064	0.903045	0.950287	0.950287
gender	0.811982	0.813721	0.814532	0.814532
earring	0.743495	0.720011	0.813576	0.813576
smile	0.573169	0.573085	0.614723	0.614723
frontal_face	0.758024	0.694976	0.833652	0.833652
hair_color	0.358576	0.339481	0.419694	0.419694
style	0.842575	0.942995	0.803059	0.803059
average	0.751736	0.748414	0.78119	0.78119

DenseNet121

模型結構引數

訓練引數

batch	64
epoch	20
optimizer (優化器)	SGD(隨機梯度下降)
criterion (損失函數)	BCELoss(二分類交叉熵損失)
學習率	0.01

photo資料集上模型訓練Loss

photo資料集結果 「方法四」

	f1	precision	recall	accuracy
hair	0.926064	0.903045	0.950287	0.950287
gender	0.935669	0.936043	0.935946	0.935946
earring	0.837358	0.837194	0.853728	0.853728
smile	0.784984	0.787445	0.790631	0.790631
frontal_face	0.780436	0.832682	0.8413	0.8413
hair_color	0.685242	0.665904	0.718929	0.718929
style	0.515421	0.567896	0.497132	0.497132
avg	0.808147	0.816276	0.823494	0.823494

Sketch資料集上模型訓練Loss

sketch資料集結果 「方法五」

	f1	precision	recall	accuracy
hair	0.926064	0.903045	0.950287	0.950287
gender	0.883773	0.886639	0.885277	0.885277
earring	0.743196	0.734733	0.819312	0.819312
smile	0.610952	0.661847	0.671128	0.671128
frontal_face	0.758024	0.694976	0.833652	0.833652
hair_color	0.372596	0.360252	0.423518	0.423518
style	0.944535	0.96071	0.938815	0.938815
avg	0.779892	0.775275	0.815249	0.815249