Python深度学习实战：人脸关键点(15点)检测pytorch实现

引言

人脸关键点检测即对人类面部若干个点位置进行检测，可以通过这些点的变化来实现许多功能，该技术可以应用到很多领域，例如捕捉人脸的关键点，然后驱动动画人物做相同的面部表情；识别人脸的面部表情，让机器能够察言观色等等。

如何检测人脸关键点

本文是实现15点的检测，至于N点的原理都是一样的，使用的算法模型是深度神经网络，使用CV也是可以的。

如何检测

这个问题抽象出来，就是一个使用神经网络来进行预测的功能，只不过输出是15个点的坐标，训练数据包含15个面部的特征点和面部的图像(大小为96x96)，15个特征点分别是：left_eye_center, right_eye_center, left_eye_inner_corner, left_eye_outer_corner, right_eye_inner_corner, right_eye_outer_corner, left_eyebrow_inner_end, left_eyebrow_outer_end, right_eyebrow_inner_end, right_eyebrow_outer_end, nose_tip, mouth_left_corner, mouth_right_corner, mouth_center_top_lip, mouth_center_bottom_lip
因此神经网络需要学习一个从人脸图像到15个关键点坐标间的映射。

使用的网络结构

在本文中，我们使用深度神经网络来实现该功能，基本卷积块使用Google的Inception网络，也就是使用GoogLeNet网络，该结构的网络是基于卷积神经网络来改进的，是一个含有并行连接的网络。
众所周知，卷积有滤波、提取特征的作用，但到底采用多大的卷积来提取特征是最好的呢？这个问题没有确切的答案，那就集百家之长：使用多个形状不一的卷积来提取特征并进行拼接，从而学习到更为丰富的特征；特别是里面加上了1x1的卷积结构，能够实现跨通道的信息交互和整合(其本质就是在多个channel上的线性求和)，同时能在feature map通道数上的降维(读者可以验证计算一下，能够极大减少卷积核的参数)，也能够增加非线性映射次数使得网络能够更深。
下面是Inception块的示意图：

整个GoogLeNet的结构如下所示：

接下来是代码实现部分，后续作者会补充神经网络的相关原理知识，若对此感兴趣的读者也可继续关注支持~

代码实现

import torch as tc
from torch import nn
from torch.nn import functional as F
from torch.utils.data import DataLoader
from torch.utils.data import TensorDataset
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.utils import shuffle

# 对图片像素的处理defproFunc1(data,testFlag:bool=False)->tuple:
    data['Image']= data['Image'].apply(lambda im: np.fromstring(im, sep=' '))# 处理na
    data = data.dropna()# 神经网络对数据范围较为敏感 /255 将所有像素都弄到[0,1]之间
    X = np.vstack(data['Image'].values)/255
    X = X.astype(np.float32)# 特别注意 这里要变成 n channle w h 要跟卷积第一层相匹配
    X = X.reshape(-1,1,96,96)# 等会神经网络的输入层就是 96 96 黑白图片 通道只有一个# 只有训练集才有y 测试集返回一个None出去ifnot testFlag:  
        y = data[data.columns[:-1]].values
        # 规范化
        y =(y -48)/48  
        X, y = shuffle(X, y, random_state=42)  
        y = y.astype(np.float32)else:
        y =Nonereturn X,y

# 工具类classUtilClass:def__init__(self,model,procFun,trainFile:str='data/training.csv',testFile:str='data/test.csv')->None:
        self.trainFile = trainFile
        self.testFile = testFile
        self.trainData =None
        self.testData =None
        self.trainTarget =None
        self.model = model
        self.procFun = procFun

    @staticmethoddefprocData(data, procFunc ,testFlag:bool=False)->tuple:return procFunc(data,testFlag)defloadResource(self):
        rawTrain = pd.read_csv(self.trainFile)
        rawTest = pd.read_csv(self.testFile)
        self.trainData , self.trainTarget = self.procData(rawTrain,self.procFun)
        self.testData , _ = self.procData(rawTest,self.procFun,testFlag=True)defgetTrain(self):return tc.from_numpy(self.trainData), tc.from_numpy(self.trainTarget)defgetTest(self):return tc.from_numpy(self.testData)@staticmethoddefplotData(img, keyPoints, axis):
        axis.imshow(np.squeeze(img), cmap='gray')# 恢复到原始像素数据 
        keyPoints = keyPoints *48+48# 把keypoint弄到图上面
        axis.scatter(keyPoints[0::2], keyPoints[1::2], marker='o', c='c', s=40)# 自定义的卷积神经网络classMyCNN(tc.nn.Module):def__init__(self,imgShape =(96,96,1),keyPoint:int=15):super(MyCNN, self).__init__()
        self.conv1 = tc.nn.Conv2d(in_channels=1, out_channels =10, kernel_size=3)
        self.pooling = tc.nn.MaxPool2d(kernel_size=2)
        self.conv2 = tc.nn.Conv2d(10,5, kernel_size=3)# 这里的2420是通过下面的计算得出的 如果改变神经网络结构了 # 需要计算最后的Liner的in_feature数量 输出是固定的keyPoint*2
        self.fc = tc.nn.Linear(2420, keyPoint*2)defforward(self, x):# print("start----------------------")
        batch_size = x.size(0)# x = x.view((-1,1,96,96))# print('after view shape:',x.shape)
        x = F.relu(self.pooling(self.conv1(x)))# print('conv1 size',x.shape)
        x = F.relu(self.pooling(self.conv2(x)))# print('conv2 size',x.shape)# print('end--------------------------')# 改形状
        x = x.view(batch_size,-1)# print(x.shape)
        x = self.fc(x)# print(x.shape)return x

# GoogleNet基本的卷积块classMyInception(nn.Module):def__init__(self,in_channels, c1, c2, c3, c4,)->None:super().__init__()
        
        self.p1_1 = nn.Conv2d(in_channels, c1, kernel_size=1)
        
        self.p2_1 = nn.Conv2d(in_channels, c2[0], kernel_size=1)
        self.p2_2 = nn.Conv2d(c2[0], c2[1], kernel_size=3, padding=1)
        
        self.p3_1 = nn.Conv2d(in_channels, c3[0], kernel_size=1)
        self.p3_2 = nn.Conv2d(c3[0], c3[1], kernel_size=5, padding=2)
        
        self.p4_1 = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)
        self.p4_2 = nn.Conv2d(in_channels, c4, kernel_size=1)defforward(self, x):
        p1 = F.relu(self.p1_1(x))
        p2 = F.relu(self.p2_2(F.relu(self.p2_1(x))))
        p3 = F.relu(self.p3_2(F.relu(self.p3_1(x))))
        p4 = F.relu(self.p4_2(self.p4_1(x)))# 在通道维度上连结输出return tc.cat((p1, p2, p3, p4), dim=1)# GoogLeNet的设计 此处参数结果google大量实验得出
b1 = nn.Sequential(nn.Conv2d(1,64, kernel_size=7, stride=2, padding=3),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b2 = nn.Sequential(nn.Conv2d(64,64, kernel_size=1),
                   nn.ReLU(),
                   nn.Conv2d(64,192, kernel_size=3, padding=1),
                   nn.ReLU(),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b3 = nn.Sequential(MyInception(192,64,(96,128),(16,32),32),
                   MyInception(256,128,(128,192),(32,96),64),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b4 = nn.Sequential(MyInception(480,192,(96,208),(16,48),64),
                   MyInception(512,160,(112,224),(24,64),64),
                   MyInception(512,128,(128,256),(24,64),64),
                   MyInception(512,112,(144,288),(32,64),64),
                   MyInception(528,256,(160,320),(32,128),128),
                   nn.MaxPool2d(kernel_size=3, stride=2, padding=1))

b5 = nn.Sequential(MyInception(832,256,(160,320),(32,128),128),
                   MyInception(832,384,(192,384),(48,128),128),
                   nn.AdaptiveAvgPool2d((1,1)),
                   nn.Flatten())

uClass = UtilClass(model=None,procFun=proFunc1)
uClass.loadResource()
xTrain ,yTrain = uClass.getTrain()
xTest = uClass.getTest()

dataset = TensorDataset(xTrain, yTrain)
trainLoader = DataLoader(dataset,64, shuffle=True, num_workers=4)# 训练net并进行测试 由于显示篇幅问题 只能打印出极为有限的若干测试图片效果deftestCode(net):
    optimizer = tc.optim.Adam(params=net.parameters())
    criterion = tc.nn.MSELoss()for epoch inrange(30):
        trainLoss =0.0# 这里是用的是mini_batch 也就是说 每次只使用mini_batch个数据大小来计算# 总共有total个 因此总共训练 total/mini_batch 次# 由于不能每组数据只使用一次 所以在下面还要使用一个for循环来对整体训练多次for batchIndex, data inenumerate(trainLoader,0):
            input_, y = data
            yPred = net(input_)
            loss = criterion(yPred, y)
            optimizer.zero_grad()
            loss.backward()
            optimizer.step()
            trainLoss += loss.item()# 只在每5个epoch的最后一轮打印信息if batchIndex %30==29andnot epoch %5:print("[{},{}] loss:{}".format(epoch +1, batchIndex +1, trainLoss /300))
                trainLoss =0.0# 测试print("-----------test begin-------------")# print(xTest.shape)
    yPost = net(xTest)# print(yPost.shape)import matplotlib.pyplot as plt
    %matplotlib inline
        
    fig = plt.figure(figsize=(20,20))
    fig.subplots_adjust(left=0, right=1, bottom=0, top=1, hspace=0.05, wspace=0.05)for i inrange(9,18):
        ax = fig.add_subplot(3,3, i -9+1, xticks=[], yticks=[])
        uClass.plotData(xTest[i], y[i], ax)print("-----------test end-------------")if __name__ =="__main__":# 训练MyCNN网络 并可视化在9个测试数据的效果图
    myNet = MyCNN()
    testCode(myNet)
    inception = nn.Sequential(b1, b2, b3, b4, b5, nn.Linear(1024,30))
    testCode(inception)

本文使用的数据可在此找到两个data文件，本文有你帮助的话，就给个点赞关注支持一下吧！