[[390275]]

 

今天，我們將使用深度學習來創建面部解鎖算法。 要完成我們的任務需要三個主要部分。

• 查找人臉的算法
• 一種將人臉嵌入向量空間的方法
•  比較已編碼人臉的函數

人臉面孔查找和定位

首先，我們需要一種在圖像中查找人臉的方法。 我們可以使用一種稱為MTCNN(多任務級聯卷積網絡)的端到端方法。

只是一點技術背景，所以稱為Cascaded，因為它由多個階段組成，每個階段都有其神經網絡。 下圖顯示了該框架。

 

 

我們依靠facenet-pytorch中的MTCNN實現。

數據

我們需要圖像! 我整理了一些照片，萊昂納多·迪卡普里奧和馬特·戴蒙。

遵循PyTorch最佳做法，我使用ImageFolder加載數據集。 我創建了MTCNN實例，并使用transform參數將其傳遞給數據集。

我的文件夾結構如下：

./faces  
├── di_caprio  
│   ├── ....jpg  
├── matt_demon  
│   ├── ....jpg  
└── me  
│   ├── ....jpg  

 

MTCNN自動裁剪輸入并調整其大小，我使用image_size = 160，因為模型將使用具有該尺寸的圖像進行訓練。 我還要添加18像素的邊距，以確保我們包括整個臉部。

import torch  
import torchvision.transforms as T  
import matplotlib.pyplot as plt  
  
from torch.utils.data import Dataset, DataLoader  
from torchvision.datasets import ImageFolder  
from facenet_pytorch import MTCNN, InceptionResnetV1  
from pathlib import Path  
from typing import Union, Callable  
  
data_root = Path('.')  
# create the MTCNN network  
transform = MTCNN(image_size=160, margin=18)  
  
ds = ImageFolder(root=data_root / 'faces', transform=transform)  
# our dataset is so small that the batch_size can equal to its lenght  
dl = DataLoader(ds, batch_size=len(ds))  
  
ds[1]  

 

ds結構如下：

(tensor([[[ 0.9023, 0.9180, 0.9180, ..., 0.8398, 0.8242, 0.8242], [ 0.9023, 0.9414, 0.9492, ..., 0.8555, 0.8320, 0.8164], [ 0.9336, 0.9805, 0.9727, ..., 0.8555, 0.8320, 0.7930], ..., [-0.7070, -0.7383, -0.7305, ..., 0.4102, 0.3320, 0.3711], [-0.7539, -0.7383, -0.7305, ..., 0.3789, 0.3633, 0.4102], [-0.7383, -0.7070, -0.7227, ..., 0.3242, 0.3945, 0.4023]], [[ 0.9492, 0.9492, 0.9492, ..., 0.9336, 0.9258, 0.9258], [ 0.9336, 0.9492, 0.9492, ..., 0.9492, 0.9336, 0.9258], [ 0.9414, 0.9648, 0.9414, ..., 0.9570, 0.9414, 0.9258], ..., [-0.3633, -0.3867, -0.3867, ..., 0.6133, 0.5352, 0.5820], [-0.3945, -0.3867, -0.3945, ..., 0.5820, 0.5742, 0.6211], [-0.3711, -0.3633, -0.4023, ..., 0.5273, 0.6055, 0.6211]], [[ 0.8867, 0.8867, 0.8945, ..., 0.8555, 0.8477, 0.8477], [ 0.8789, 0.8867, 0.8789, ..., 0.8789, 0.8633, 0.8477], [ 0.8867, 0.9023, 0.8633, ..., 0.9023, 0.8789, 0.8555], ..., [-0.0352, -0.0586, -0.0977, ..., 0.7617, 0.7070, 0.7461], [-0.0586, -0.0586, -0.0977, ..., 0.7617, 0.7617, 0.8086], [-0.0352, -0.0352, -0.1211, ..., 0.7227, 0.8086, 0.8086]]]), 0)  

數據集返回張量。 讓我們可視化所有輸入。 它們已通過MTCNN圖像進行了歸一化，最后一行的最后三張圖像是我自己的自拍照:)

 

 

嵌入向量空間

我們的數據已準備就緒。 為了比較人臉并找出兩個人臉是否相似，我們需要在向量空間中對它們進行編碼，如果兩個人臉相似，則與它們相關聯的兩個向量也都相似(接近)。

我們可以使用在一個著名的人臉數據集(例如vgg_face2)上訓練的模型，并使用分類頭之前的最后一層的輸出(潛在空間)作為編碼器。

在這些數據集之一上訓練的模型必須學習有關輸入的重要特征。 最后一層(在完全連接的層之前)對高級功能進行編碼。 因此，我們可以使用它將輸入嵌入向量空間中，希望相似圖像彼此靠近。

詳細地，我們將使用在vggface2數據集上訓練的初始Resnet。 嵌入空間的尺寸為512。

resnet = InceptionResnetV1(pretrained='vggface2').eval()  
  
with torch.no_grad():  
    for (imgs, labels) in dl:  
        embs = resnet(imgs)  
        break  
  
embs.shape  
  
torch.Size([8, 512])  

 

完美，我們有8張圖片，我們獲得了8個矢量

相似度計算

為了比較向量，我們可以使用cosine_similarity來查看它們彼此之間的距離。 余弦相似度將輸出[-1，1]之間的值。 在樸素的情況下，兩個比較的向量相同，它們的相似度為1。因此，最接近1的相似度。

現在，我們可以在數據集中找到每對之間的所有距離。

import seaborn as sns  
import numpy as np  
  
similarity_matrix = torch.zeros(embs.shape[0], embs.shape[0])  
  
for i in range(embs.shape[0]):  
    for j in range(embs.shape[0]):  
        similarity_matrix[i,j] = torch.cosine_similarity(embs[i].view(1, -1), embs[j].view(1, -1))  
  
  
fig = plt.figure(figsize=(15, 15))  
  
sns.heatmap(similarity_matrix.numpy(), annot = True,)  
  
numicons = 8  
for i in range(numicons):  
    axicon = fig.add_axes([0.12+0.082*i,0.01,0.05,0.05])  
    axicon.imshow(un_normalize(ds[i][0]).permute(1,2,0).numpy())  
    axicon.set_xticks([])  
    axicon.set_yticks([])  
  
    axicon = fig.add_axes([0, 0.15 + 0.092 * i,.05,0.05])  
    axicon.imshow(un_normalize(ds[len(ds) - 1 - i][0]).permute(1,2,0).numpy())  
    axicon.set_xticks([])  
    axicon.set_yticks([])  

 

 

 

顯然，我與Matt或Leo不太相似，但是它們有一些共同點!

我們可以更加深入，在嵌入向量中運行PCA并將圖像投影到二維平面中

from matplotlib.offsetbox import OffsetImage, AnnotationBbox  
  
def pca(x: torch.Tensor, k: int = 2) -> torch.Tensor:  
    """  
    From http://agnesmustar.com/2017/11/01/principal-component-analysis-pca-implemented-pytorch/  
    """  
    # preprocess the data  
    X_mean = torch.mean(x, 0)  
    x = x - X_mean.expand_as(x)  
    # svd  
    U, S, V = torch.svd(torch.t(x))  
    return torch.mm(x, U[:, :k])  
  
points = pca(embs, k=2)  
plt.rcParams["figure.figsize"] = (12,12)  
  
fig, ax = plt.figure(), plt.subplot(111)  
plt.scatter(points[:,0], points[:,1])  
for i, p in enumerate(points):  
    x, y = p[0], p[1]  
    img = un_normalize(ds[i][0])  
    img_np = img.permute(1, 2, 0).numpy().squeeze()  
    ab = AnnotationBbox(OffsetImage(img_np, zoom=0.6), (x, y), frameon=False)  
    ax.add_artist(ab)  
  
plt.plot()  

 

 

 

我們將512維壓縮為2，所以我們丟失了很多數據。

好的，我們有一種方法來找到臉，看看它們是否彼此相似，現在我們可以創建我們的臉解鎖算法。

我的想法是取n張允許的人的圖像，在嵌入空間中找到中心，選擇一個閾值，看d看中心和新圖像之間的余弦相似度是小于還是大于它。

from dataclasses import dataclass, field  
from typing import List, Callable  
from PIL import Image  
  
@dataclass  
class FaceUnlock:  
      
    images: List[Image.Image] = field(default_factory = list)  
    th: float = 0.8  
    transform: Callable =  MTCNN(image_size=160, margin=18)  
    embedder: torch.nn.Module = InceptionResnetV1(pretrained='vggface2').eval()  
    center: torch.Tensor = None  
  
    def __post_init__(self):  
        faces = torch.stack(list(map(self.transform, self.images)))  
        embds = self.embedder(faces)  
  
        self.center = embds.sum(0) / embds.shape[0]  
      
    def __call__(self, x: Image.Image) -> bool:  
        face = self.transform(x)  
        emb = self.embedder(face.unsqueeze(0))  
  
        similarity = torch.cosine_similarity(emb.view(1, -1), self.center.view(1, -1))  
        is_me =  similarity > self.th  
  
        return is_me, similarity  
  
# load pictures of myself  
me = data_root / 'faces' / 'me'  
images = list(map(Image.open, me.glob('*')))  
# initialize face unlock with my images  
face_unlock = FaceUnlock(images)  
  
from ipywidgets import interact, interactive, fixed, interact_manual  
  
def unlock_with_filepath(path):  
    img = Image.open(path)  
      
    is_me, similarity =  face_unlock(img)  
    print(f"{'' if is_me else ''} similarity={similarity.item():.3f}")  
  
    fig = plt.figure()  
    plt.imshow(img)  
    plt.plot()  
  
test_root = data_root / 'faces_test'  
  
interact(unlock_with_filepath, path=list(test_root.glob('*')))  

 

 

 

 

 

相似度得分比以前的圖像高，所以我猜是真的!

讓我們嘗試自己的新自拍

 

 

總結

我們已經看到了一種僅使用2D數據(圖像)創建人臉解鎖算法的有吸引力的方法。 它依靠神經網絡對相似面孔彼此靠近的高維向量空間中的裁剪面孔進行編碼。 但是，我不知道該模型是如何訓練的，并且可能很容易弄糊涂(即使在我的實驗中該算法效果很好)。

如果在沒有數據擴充的情況下訓練模型怎么辦? 然后，可能只是翻轉同一個人可能會破壞潛在的表示。

更加健壯的訓練例程將是無監督的(類似于BYOL)，它嚴重依賴于數據增強。