基于人工智能算法的图像识别与生成

 　　本次报告的工作是利用PCA，SVM以及人工神经网络(ANN)实现对人脸的特征提取、分类和预测。然后利用GAN(生成对抗网络)实现对手写数字的生成，并用SVM做预测，验证生成效果。本次报告采用的数据源自剑桥大学的ORL 人脸数据库，其中包含40个人共400张人脸图像。

　　《智能机器人》(月刊)创刊于2004年，由中自传媒和广东省自动化学会主办，国内第一本伺服技术市场的专业期刊，一体化运动控制解决方案，深度报道分析伺服及运动控制领域的技术、市场及应用，智能检测运动控制会议论文选定刊物。

　　1 PCA降维

　　PCA(principal components analysis)即主成分分析，又称主分量分析。旨在利用降维的思想，把多指标转化为少数几个综合指标。

　　首先我们给出了数据库的平均脸的图像，并利用PCA对人脸降维，通过改变降低到的维度研究了保留维度的多少带来的影响。最后给出了每一个维度的特征脸图像，讨论了每一个维度所能够代表的人脸信息。

　　1.1 平均脸

　　首先，我们将数据库中400张人脸按行存储到一个矩阵中，即每一行为一张人脸(10304像素)，每张人脸共10304维特征。我们对每一个维度去平均，构成一个新的行向量，这就是平均脸。

　　平均脸反映了数据库中400张人脸的平均特征，可以看清人脸的轮廓，但无法识别人脸的局部细节。

　　1.2 降低至不同维度时还原脸的情况

　　从左到右从上到下依次是同一张脸降低至10，30，50，100，200，250，300，350，400的图像。可以看到，随着保留维数的增多，图像越清晰，与原图的差异越小。

　　1.3 提取单一维度的特征做还原

　　为了研究不同维度所代表的人脸的信息，我们把PCA之后的每一个特征向量单独提取出来对人脸做还原，还原的时候不加入平均脸并且做直方图均衡化。

　　结果如下：

　　每一张图像下方的数字代表了PCA之后按特征值从大到小排序的顺序，比如第一张图代表PCA之后最大特征值所对应的特征向量还原出的人脸。

　　特征累积图的纵坐标代表了所保留的特征占总特征的比例。它是这样计算出来的，假设保留k维信息，则纵坐标值为这k个特征值的和除以总的400(400*10304的矩阵，最多有400个非零特征值)个特征值的和。

　　从图4可以看出，当保留维数为100维时，即能保留人脸90%的信息，而之后随着保留维数的增多，保留信息的增多变缓。

　　同样的结论也可由提取每个维度所代表的特征获得。从前到后观察实验所得的图像，我们可以发现，人脸变得越来越模糊，到100维以后已经分辨不清人脸了。这就说明前面的维度反映了大众脸的特征，而越往后面的维度则反映不同人脸的细节，比如头发长短等等，以及图片噪声。

　　2 SVM对人脸分类

　　SVM(支持向量机)是Corinna Cortes和Vapnik等于1995年首先提出的，在机器学习中，支持向量机是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。

　　2.1 制作多分类器

　　用PCA对人脸降维以后，我们用SVM将400张人脸进行分类。我们取每个人的前五张照片合并起来共200张作为训练集，每个人后五张照片合并起来共200张作为测试集。40个人即有40个标签，也就是有40类，但SVM只能作二分类器，因此我们利用二分类器生成多分类器，基本思想是制作C(40，2)个一对一分类器(也就是每两个类别一个)，每一张照片都分别用所有一对一分类器分类，分类结果存储到投票矩阵中，分类结果就是投票矩阵中数字最大的那个。

　　分类前，我们还需对PCA后的数据进行归一化处理，将图像矩阵的每一个元素映射到(-1，1)之间。

　　2.2 参数选择及程序结果

　　1)分类数据：每人取前五张做训练，后五张做测试(不加入自己的人脸)

　　SVM参数设定：k = 75(PCA降至75维)

　　Sigma = 30

　　c = 15

　　预测准确率： accuracy=0.8950

　　2)每人取前五张做训练，后五张做测试(加入自己的人脸)

　　SVM参数同上，

　　预测准确率： accuracy=0.8585

　　我们发现，当加入自己拍摄的人脸图像后，预测准确率有一定的下降，这可能是由于拍照时的光线，角度等造成的。

　　3 ANN对人脸分类

　　人工神经网络(Artificial Neural Networks，简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

　　为了方便与SVM的结果作比对，ANN的训练集和测试集与SVM相同，并且不加入自己人脸。

　　3.1 ANN结果及与SVM分类比较

　　ANN分类结果：

　　ANN参数设定为：1个隐层，含200个神经元

　　学习率：1

　　dropout fraction：0.5

　　激活函数：sigmoid

　　L2正则：0.0001

　　epoch：200

　　batchsize：50

　　分类错误率：

　　即分类准确率(accuracy)为：93.5%

　　實验过程中可以发现，通过对神经网络多个参数的调节，准确率的变化是很复杂的，最终的93.5%的准确率应该还有上升的空间，参数还待进一步调整。

　　与SVM比较起来，ANN准确率更高，但分析表明，对于本次报告所采用的数据库，ANN和SVM的准确度不会有太大差异，因此SVM的参数或许还可以进一步优化。

　　4 GAN生成手写数字

　　生成对抗网络(GAN)是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块：生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。原始 GAN 理论中，并不要求 G 和 D 都是神经网络，只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为 G 和 D 。

　　在下面的工作中，我们利用已有的手写数字(0-9)图片(60000张用于训练，10000张用于测试)，对生成对抗网络(GAN)进行训练并生成手写数字，每个数字提取5000个样本作为训练集。最后用SVM对电脑生成的手写数字分类，看是否能“骗过”分类器。

　　4.1 参数设定及程序结果

　　首先，我们选取一个想要生成的手写字体，将已有数据中所有该字体挑出并取前5000个作为训练集。

　　参数设定：生成器(generator)：输入层、隐层和输出层分别有100，512，784个神经元。

　　识别器(discriminator)：输入层、隐层和输出层分别有784，200，1个神经元。

　　学习率：0.01

　　Batchsize：50

　　更新判别器时的迭代次数设为1

　　生成训练集：

　　load('mnist_uint8');

　　classify_num = 9;

　　classify_matrix = zeros(1，10);

　　classify_matrix(classify_num,1) = 1;

　　choose = zeros(size(train_x，1)，1);

　　for i=1：size(train_x，1)

　　if(train_y(i，：)==classify_matrix)

　　choose(i) = choose(i),1;

　　end

　　end

　　choose = logical(choose);

　　train_x = train_x(choose，：);

　　train_x = train_x(1：5000，：);

　　train_x = double(reshape(train_x， 5000， 28， 28))/255;

　　train_x = permute(train_x，[1，3，2]);

　　train_x = reshape(train_x， 5000， 784);

　　生成器损失虽然不是很低，但是最终基本稳定。

　　4.2 SVM对生成手写数字做分类

　　我们用GAN分别生成0到9的手写数字，将生成的图片作为测试集用SVM做分类，看是否能分到正确的类别。

　　Result是SVM中的投票矩阵，投票数最多的一个的序号减一即为所分到的类别(数字0-9)。这里的SVM區别于前面所讨论的人脸识别的SVM，它是由45个(C(10，2))一对一分类器生成的多分类器。

　　可以看到，每一个由GAN生成的手写数字均被SVM分到了正确的类别，如此可见GAN实在强大。

　　5 总结

　　运用PCA对原始数据进行降维，不仅能够保留原始的主要信息，而且可以减少算法的执行时间。通过组合SVM的二分类器来生成多分类器实现对人脸的识别，准确率达到89.5%，用人工神经网络ANN进行分类准确率达到93.5%。最后利用GAN生成手写字体，SVM全部正确地进行了分类，这表明GAN生成的手写数字是十分逼真的。

　　参考文献：

　　[1] 刘振明.基于J2EE新闻门户网站的设计与研究[D].吉林大学，2010(06)：65-102.

《基于人工智能算法的图像识别与生成》

本文由职称驿站首发，您身边的高端学术顾问

文章名称： 基于人工智能算法的图像识别与生成

文章地址： https://m.zhichengyz.com/p-38076