基于人工智能算法的图像识别与生成

陈轲

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10，30，50，100，200，250，300，350，400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（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PCA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 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正则：0.0001

epoch：200

batchsize：50

分类错误率：

即分类准确率（accuracy）为：93.5%

實验过程中可以发现，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（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（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_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區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.