2020机器学习开发经验

前言

之前本人没有接触过机器学习项目开发，所以在暑期找了一个人家的成品，模仿前人的操作。

参考

这是一个硕士的学习经历，是我主要的模仿对象

链接:https://blog.csdn.net/qq_42633819/article/details/81191308

还有一些杂七杂八的，后期赘述。

具体代码本想放在github，但是我把环境也装在项目里了，导致文件巨大（）
可道云分享连接：
https://blog.lqhdssr.tk/#s/6LSpXoOA
建议采用IDM等多线程下载工具下载....

操作的具体细节、问题

版本问题

我的开发环境是Anaconda+pycharm，python3.7，python项目所引入的包及版本如下

TensorFlow1.0和2.0有些function差异过大（改名、改参数），比如：

Faster-rcnn时总会出现K.image_dim_ordering() == ‘tf’的错误，这是由于Keras版本造成的。
将K.image_dim_ordering() == ‘tf’ 改为 K.image_data_format()== ‘channels_last’，若出现’th’，改为’channels_first’

还有TensorFlow要与Keras版本匹配 详情如下

https://docs.floydhub.com/guides/environments/

第一阶段演示（识别这是否是人.py）

在宿舍调试的（光照不好）绿框代表识别出这个是我的头。

第二阶段—-采取特定的人脸模型（data_fomart.py）

训练方法是截取视频流中的人脸成分，并且打上标记，（1000张），这里由于当初没有记录采集过程（在家呢），只显示操作结果：

我的1000张头像在名为文件夹1的里面，母上的人脸在名为2的文件夹里面，每人采集1000张照片

第三阶段——模型训练阶段

识别出这是人脸不是我的最终目的，目的是要区分出我的头和其他人的区别。（Load_dataset.py、face_train.py）

首先运行load_dataset.py进行打标记。

再运行face_train.py进行训练。

等待长达近20来分钟的训练结束，进行检验。写博客的时候手贱了，又得白白训练....

第四阶段——模型验证（Face_recognition.py）

运行该python文件。

在最后发现我的头被绿框圈上，并且显示了我的名字的拼音作为特定个体的标识。

第五阶段——分析缺陷

1、不懂具体的算法内核，大量调用谷歌已有成果

2、精准度极差，准确率才50%上下，怀疑是电脑摄像头像素不好导致的

3、有时候人脸换个角度，刁钻一点他就认不出来了...

4、对光照极其敏感 在家好好的 在学校再次测试还得给自己找个好角度，反光.....