基于人工智能算法的图像识别与生成.doc

1、基于人工智能算法的图像识别与生成摘要：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。 关键词：人工智能；图像识别；数据 中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）13-0173-02 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

2、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

3、，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

4、（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

5、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 P

6、CA 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

7、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

8、则： 0.0001 epoch：200 batchsize ：50 分类错误率： 即分类准确率（accuracy）为：93.5% ?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（

9、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

10、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（

11、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_

12、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?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.