FS2K人脸素描属性识别

根据FS2K数据集，利用VGG16，DenseNet，ResNet进行训练和测试，实现输入一张图片(简笔画和普通照片)，输出该图片的属性特征信息 人脸素描属性识别

代码：https://github.com/linkcao/FS2K_extract

问题分析

• 需要根据FS2K数据集进行训练和测试，实现输入一张图片，输出该图片的属性特征信息，提取属性特征包括hair（有无头发）、hair_color(头发颜色)、gender（图像人物性别）、earring（是否有耳环）、smile（是否微笑）、frontal_face(是否歪脖)、style（图片风格），详细信息均可通过FS2K的anno_train.json和anno_test.json获取，本质是一个多标签分类问题。

处理方案

• 首先对于FS2K数据集用官方的数据划分程序进行划分，之后对划分后的数据进行预处理，统一图片后缀为jpg，之后自定义数据加载类，在数据加载过程中进行标签编码，对图片大小进行统一，并转成tensor，在处理过程中发现存在4个通道的图片，采取取前3个通道的方案，之后再对图像进行标准化，可以加快模型的收敛，处理完成的数据作为模型的输入，在深度学习模型方面，首先需要进行模型选择，使用了三个模型，分别为VGG16,ResNet121以及DenseNet121，在通过pytorch预训练模型进行加载，并修改模型输出层，输出数量为图片属性特征数，之后在设定模型训练的参数，包括Batch，学习率，epoch等，在每一轮训练完成后，都需要对预测出的特征进行处理，在二分类标签设定概率阈值，多分类标签特征列则进行最大概率类别组合，取预测概率最大的类别作为当前属性的预测结果，每一轮训练都在测试集上进行性能评估，并根据F1指标择优保存模型。训练完成后，在测试集上预测属性提取结果，对每一个属性进行性能评估，最后取平均，得到平均的性能指标。

整体的处理流程如下图所示：

数据预处理

1. 数据划分，根据FS2K官方给出的数据划分得到训练集和测试集
2. 统一图片后缀为jpg，通道数为3
3. 所给数据集分为三个文件夹，每个文件夹图片的像素各不相同，分别为250*250、475 *340、223 *318，这里统一变换成256 * 256，便于后序处理
4. 将图片数据转成tensor
5. 逐channel的对图像进行标准化，可以加快模型的收敛

标签编码

1. 由于目标属性集中存在hair_color、style 两个多分类标签，因此对这两个标签做编码处理
2. 采用One_Hot编码对多类别标签进行处理
   1. hair_color中0 对应 [1,0,0,0,0], 1对应[0,1,0,0,0], 2对应[0,0,1,0,0],以此类推，共5类
   2. style中 0 对应 [1,0,0]，1对应[0,1,0], 2对应[0,0,1],以此类推,共3类
3. 在和其他的5个二分类标签拼接组成标签向量，共13维

实验模型 VGG16

模型结构参数

由于VGG16最后一层全连接输出1000维特征，因此在本题中需要在加一层全连接输入1000维特征，输出13维特征，最后再加上一层sigmoid激活函数，在得到每一类预测的概率后，针对编码过的hair_color、style的8列，对各自的编码后的对应列计算概率最大的列下标，作为该属性的预测值。
训练参数

batch 64 epoch 20 optimizer (优化器) SGD(随机梯度下降) criterion (损失函数) BCELoss(二分类交叉熵损失) 学习率 0.01

photo数据集上模型训练Loss

结果 「方法一」

f1 precision recall accuracy hair 0.926064 0.903045 0.950287 0.950287 gender 0.598046 0.611282 0.59369 0.59369 earring 0.74061 0.674408 0.821224 0.821224 smile 0.513038 0.580621 0.639579 0.639579 frontal_face 0.758024 0.694976 0.833652 0.833652 hair_color 0.351596 0.387132 0.389101 0.389101 style 0.460469 0.526145 0.443595 0.443595 average 0.668481 0.672201 0.708891 0.708891 ResNet18

模型结构参数

模型修改 ，模型最后加一层全连接输入1000维特征，输出13维特征，最后再加上一层sigmoid激活函数

训练参数

batch 64 epoch 20 optimizer (优化器) SGD(随机梯度下降) criterion (损失函数) BCELoss(二分类交叉熵损失) 学习率 0.01

photo数据集上模型训练Loss

photo数据集结果 「方法二」

f1 precision recall accuracy hair 0.926064 0.903045 0.950287 0.950287 gender 0.657874 0.657195 0.6587 0.6587 earring 0.744185 0.764809 0.821224 0.821224 smile 0.634135 0.63298 0.652008 0.652008 frontal_face 0.758024 0.694976 0.833652 0.833652 hair_color 0.498804 0.515916 0.546845 0.546845 style 0.508202 0.57917 0.482792 0.482792 average 0.715911 0.718511 0.743188 0.743188

Sketch数据集上模型训练Loss

sketch数据集结果 「方法三」

f1 precision recall accuracy hair 0.926064 0.903045 0.950287 0.950287 gender 0.811982 0.813721 0.814532 0.814532 earring 0.743495 0.720011 0.813576 0.813576 smile 0.573169 0.573085 0.614723 0.614723 frontal_face 0.758024 0.694976 0.833652 0.833652 hair_color 0.358576 0.339481 0.419694 0.419694 style 0.842575 0.942995 0.803059 0.803059 average 0.751736 0.748414 0.78119 0.78119 DenseNet121

模型结构参数

训练参数

batch 64 epoch 20 optimizer (优化器) SGD(随机梯度下降) criterion (损失函数) BCELoss(二分类交叉熵损失) 学习率 0.01

photo数据集上模型训练Loss

photo数据集结果 「方法四」

f1 precision recall accuracy hair 0.926064 0.903045 0.950287 0.950287 gender 0.935669 0.936043 0.935946 0.935946 earring 0.837358 0.837194 0.853728 0.853728 smile 0.784984 0.787445 0.790631 0.790631 frontal_face 0.780436 0.832682 0.8413 0.8413 hair_color 0.685242 0.665904 0.718929 0.718929 style 0.515421 0.567896 0.497132 0.497132 avg 0.808147 0.816276 0.823494 0.823494

Sketch数据集上模型训练Loss

sketch数据集结果 「方法五」

f1 precision recall accuracy hair 0.926064 0.903045 0.950287 0.950287 gender 0.883773 0.886639 0.885277 0.885277 earring 0.743196 0.734733 0.819312 0.819312 smile 0.610952 0.661847 0.671128 0.671128 frontal_face 0.758024 0.694976 0.833652 0.833652 hair_color 0.372596 0.360252 0.423518 0.423518 style 0.944535 0.96071 0.938815 0.938815 avg 0.779892 0.775275 0.815249 0.815249