導言

這個一個Inclass 的比賽，主要任務就是給定1000多張圖片所組成的901153對所有的組合圖像，要求進行判斷是否是同一個人。

作為第一次做Kaggle的比賽，來練練手還是不錯的。

由于在這所有的二元組中，數據是極其步平衡的，所以會導致即使我們把這些所有的組合都判斷為1（不同的人），它的精度也會達到99%以上，所以在這里單單評測識別率是沒有意義的。

官方這邊給出的評價方法是AUC，也就是說在ROC曲線之下的面積來作為衡量的標準。

步驟

數據下載

官方給定的數據訓練數據和測試數據，由于我這邊是采用無監督的方法，所以訓練數據也不重要，可以步采用。

處理

訓練數據和測試數據都有給人臉框位置和關鍵點位置，然而，它具體的方法沒有給定，所以還是無法采用，最終的方法是，我采用自己的那一套人臉檢測和對齊方法，對于自己的方法沒有檢測和對齊到的圖像，采用官方提供的版本代替。

代碼如下：

# -- coding: utf-8 --
''' @brief: 進行一對一的人臉比對，前提是人臉已經統一對齊過了。 @author: Riwei Chen <riwei.chen@outlook.com> '''
import matplotlib.pyplot as plt
import numpy as np
import skimage 
import sys
import os
import glob
import numpy.linalg as LA
caffe_root = '/home/crw/caffe-master/'
caffe_root = '/media/crw/MyBook/Caffe/caffe-triplet/'
sys.path.insert(0, caffe_root + 'python')
import caffe
import sklearn
import sklearn.metrics.pairwise as pw
from sklearn.metrics import classification_report
from sklearn.metrics import accuracy_score,roc_auc_score
from skimage import transform as tf

caffe.set_mode_cpu()
訓練數據中，每個通道的平均值
averageImg = [129.1863,104.7624,93.5940]
全局使用到的一些數據，保留在全局變量
=====================================
metric='cosine'
model_define='model_maxout/deploy.prototxt'
model_weight='model_maxout/small_maxout2__iter_1360000.caffemodel'
model_weight='/media/crw/MyBook/Model/FaceRecognition/Softmax/try6_7/small_maxout100x100__iter_1400000.caffemodel'
feature_layer='eltwise10'
feature_layer='l2_norm'
image_formats =['jpg','png','bmp']
feature_len = 256
data_w = 128
data_h =  128
feature_len = 128
data_w = 256
data_h = 256
data_as_gray = True
sub_mean = False
scale = 1
scale =255
net = caffe.Classifier(model_define, model_weight)
====================================
def read_image(filename,w=128,h=128,as_grey=False):
    ''' @brief: 讀取一個圖片，返回矩陣 @param：w，h：保留的圖像大小 '''
    if as_grey == True:
        X=np.empty((1,1,w,h))
    else:
        X=np.empty((1,3,w,h))
    image=skimage.io.imread(filename,as_grey=as_grey)
    image=tf.resize(image,(w,h))*scale
    if as_grey == True:
        X[0,0,:,:]=image[:,:]
    else:

    # 注意通道的一致性
    if sub_mean == True:
        X[0,2,:,:]=image[:,:,0]-averageImg[0]
        X[0,1,:,:]=image[:,:,1]-averageImg[1]
        X[0,0,:,:]=image[:,:,2]-averageImg[2]       
    else:
        X[0,2,:,:]=image[:,:,0]
        X[0,1,:,:]=image[:,:,1]
        X[0,0,:,:]=image[:,:,2]
return X


def get_image_feature(filename):
    ''' @brief：獲取特征 @param： 圖像的文件 @return：feature，提取到的人臉特征 '''
    X=read_image(filename,w=data_w,h=data_h,as_grey=data_as_gray)

    out = net.forward_all(data=X)

    feature = np.float64(out[feature_layer])
    feature=np.reshape(feature,(1,feature_len))
    return feature
def consia_distance(feature1, feature2):
    ''' @brief: 計算兩個向量的余炫距離。 '''

    cx = lambda a, b : round(np.inner(a, b)/(LA.norm(a)LA.norm(b)), 2)
    consia=cx(feature1,feature2)
    result = 0.5+0.5consia
    return result
def evaluate_by_distance(feature1,feature2):

    ''' @brief：計算提到的特征之間的距離 @param：feature1 特征1 @param：feature2 特征2 '''
    if metric == 'cosine':
        consia_dist = consia_distance(feature1,feature2)
        return consia_dist
    else:
        mt=pw.pairwise_distances(feature1, feature2, metric)
        distance=mt[0][0] 
        return distance
image_formats = ['jpg','png']
feature_dict = dict()
def evaluate_kaggle_test(filepath,filename,resultfile='submit.csv'):
    ''' @brief: 測試evaluate kaggle 數據集合 '''
    fid = open(filename)
    fid.readline()
    lines = fid.readlines()
    fid.close()
    fid =open(resultfile,'w')
    fid.write("Id,Prediction"+'\n')
    result = np.zeros((len(lines),))
    i = 0
    for line in lines:
        word = line.split(',')
        filename1 = os.path.join(filepath,word[1].strip())
        filename2 = os.path.join(filepath,word[2].strip())
        if feature_dict.has_key(filename1):
            feature1 = feature_dict[filename1]
        else:
            feature1 =get_image_feature(filename1)
            feature_dict[filename1] = feature1
        if feature_dict.has_key(filename2):
            feature2 = feature_dict[filename2]
        else:
            feature2 =get_image_feature(filename2)
            feature_dict[filename2] = feature2

        distance = evaluate_by_distance(feature1,feature2)
        result[i] = distance
        i=i+1
    d_max = np.max(result)
    d_min =np.min(result)
    print d_max,d_min
    i=0
    for line in lines:
        word = line.split(',')
        fid.write(word[0]+','+str((result[i]-d_min)/(d_max-d_min))+'\n')

        i=i+1
    fid.close()
if name == 'main':
    filepath = '/media/crw/MyBook/TestData/kaggle_Face_verification_challenge/train_dlib'

#evaluate_kaggle_train(filepath) 
filepath = '/media/crw/MyBook/TestData/kaggle_Face_verification_challenge/test_dlib_crop'    
filename = '/media/crw/MyBook/TestData/kaggle_Face_verification_challenge/pairs.csv'    
resultfile='submission.csv'    
evaluate_kaggle_test(filepath,filename,resultfile)</pre> 

結果
第一次上傳的時候，排名第一：
最終的結果： 

 
</div>