PyTorch练手项目四：孪生网络（Siamese Network）
本文目的：展示基于PyTorch，如何利用孪生网络进行人脸验证的过程。
1 孪生网络（Siamese Network）
孪生网络主要用来衡量两个输入的相似程度。孪生神经网络有两个输入（Input1 and Input2）,将两个输入feed进入两个神经网络（Network1 and Network2），这两个神经网络分别将输入映射到新的空间，形成输入在新的空间中的表示（Representation）。通过Loss的计算，评价两个输入的相似度。具体可参考
孪生网络实际上相当于只有一个网络，因为两个神经网络（Network1 and Network2）结构权值均相同。如果两个结构或权值不同，就叫伪孪生神经网络（pseudo-siamese network）。
孪生网络的loss有多种选择：
- Contrastive Loss（传统的Siamese使用）；
- Triplet loss（详见 Deep metric learning using Triplet network）；
- Softmax loss：将问题转换成二分类问题，即将两个输出的绝对差值映射到一个结点上；
- 其他损失，比如cosine loss，exp function，欧氏距离等等。
2 项目代码
本文基于ORL人脸数据集，利用孪生网络来进行人脸验证（Face Verification）。
项目代码主要可以分为四块内容：
- 前奏：导入相关库，定义一些参数以及辅助函数；
- 准备数据：准备数据集，并包装成dataset以及dataloader；
- 准备模型：构建模型，自定义损失函数；
- 训练：训练并绘制结果；
- 测试：直观查看模型效果。
2.1 前奏
先导入相关库，并定义相关函数和参数。
import torch
import torchvision
import torch.nn as nn
from torch import optim
import torch.nn.functional as F
import torchvision.transforms as transforms
from torch.utils.data import DataLoader,Dataset
import matplotlib.pyplot as plt
import torchvision.utils
import numpy as np
import random
from PIL import Image
import PIL.ImageOps
print(torch.__version__) #1.1.0
print(torchvision.__version__) #0.3.0
#定义一些超参
train_batch_size = 32 #训练时batch_size
train_number_epochs = 50 #训练的epoch
def imshow(img,text=None,should_save=False):
#展示一幅tensor图像，输入是(C,H,W)
npimg = img.numpy() #将tensor转为ndarray
plt.axis("off")
if text:
plt.text(75, 8, text, style='italic',fontweight='bold',
bbox={'facecolor':'white', 'alpha':0.8, 'pad':10})
plt.imshow(np.transpose(npimg, (1, 2, 0))) #转换为(H,W,C)
plt.show()
def show_plot(iteration,loss):
#绘制损失变化图
plt.plot(iteration,loss)
plt.show()
2.2 准备数据
2.2.1 ORL人脸数据集
ORL人脸数据集共包含40个不同人的400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。对每一个目录下的图像，这些图像是在不同的时间、不同的光照、不同的面部表情(睁眼/闭眼，微笑/不微笑)和面部细节(戴眼镜/不戴眼镜)环境下采集的。所有的图像是在较暗的均匀背景下拍摄的，拍摄的是正脸(有些带有略微的侧偏)。
下载的数据集中training文件夹包含37个人物的图像，其余3个人的图像放在testing文件夹中，留给后续测试时候使用。
2.2.2 自定义Dataset和DataLoader
自定义的Dataset需要实现 __ getitem __ 和 __ len __ 函数。每次读取一对图像，标签表示差异度，0表示同一个人，1表示不是同一人。
#自定义Dataset类，__getitem__(self,index)每次返回(img1, img2, 0/1)
class SiameseNetworkDataset(Dataset):
def __init__(self,imageFolderDataset,transform=None,should_invert=True):
self.imageFolderDataset = imageFolderDataset
self.transform = transform
self.should_invert = should_invert
def __getitem__(self,index):
img0_tuple = random.choice(self.imageFolderDataset.imgs) #37个类别中任选一个
should_get_same_class = random.randint(0,1) #保证同类样本约占一半
if should_get_same_class:
while True:
#直到找到同一类别
img1_tuple = random.choice(self.imageFolderDataset.imgs)
if img0_tuple[1]==img1_tuple[1]:
break
else:
while True:
#直到找到非同一类别
img1_tuple = random.choice(self.imageFolderDataset.imgs)
if img0_tuple[1] !=img1_tuple[1]:
break
img0 = Image.open(img0_tuple[0])
img1 = Image.open(img1_tuple[0])
img0 = img0.convert("L")
img1 = img1.convert("L")
if self.should_invert:
img0 = PIL.ImageOps.invert(img0)
img1 = PIL.ImageOps.invert(img1)
if self.transform is not None:
img0 = self.transform(img0)
img1 = self.transform(img1)
return img0, img1, torch.from_numpy(np.array([int(img1_tuple[1]!=img0_tuple[1])],dtype=np.float32))
def __len__(self):
return len(self.imageFolderDataset.imgs)
#定义文件dataset
training_dir = "./data/faces/training/" #训练集地址
folder_dataset = torchvision.datasets.ImageFolder(root=training_dir)
#定义图像dataset
transform = transforms.Compose([transforms.Resize((100,100)), #有坑，传入int和tuple有区别
transforms.ToTensor()])
siamese_dataset = SiameseNetworkDataset(imageFolderDataset=folder_dataset,
transform=transform,
should_invert=False)
#定义图像dataloader
train_dataloader = DataLoader(siamese_dataset,
shuffle=True,
batch_size=train_batch_size)
2.2.3 可视化数据集
当然，我们通常要先看看数据具体啥样。实际运行中这一段代码可省略。
vis_dataloader = DataLoader(siamese_dataset,
shuffle=True,
batch_size=8)
example_batch = next(iter(vis_dataloader)) #生成一批图像
#其中example_batch[0] 维度为torch.Size([8, 1, 100, 100])
concatenated = torch.cat((example_batch[0],example_batch[1]),0)
imshow(torchvision.utils.make_grid(concatenated, nrow=8))
print(example_batch[2].numpy())
注意torchvision.utils.make_grid用法：将若干幅图像拼成一幅图像。内部机制是铺成网格状的tensor，其中输入tensor必须是四维(B,C,H,W)。后续还需要调用numpy()和transpose()，再用plt显示。
# https://pytorch.org/docs/stable/_modules/torchvision/utils.html#make_grid
torchvision.utils.make_grid(tensor, nrow=8, padding=2, normalize=False, range=None, scale_each=False, pad_value=0)
#示例
t = torchvision.utils.make_grid(concatenated, nrow=8)
concatenated.size() #torch.Size([16, 1, 100, 100])
t.size() #torch.Size([3, 206, 818]) 对于(batch,1,H,W)的tensor，重复三个channel，详见官网文档源码
2.3 准备模型
自定义模型和损失函数。
#搭建模型
class SiameseNetwork(nn.Module):
def __init__(self):
super().__init__()
self.cnn1 = nn.Sequential(
nn.ReflectionPad2d(1),
nn.Conv2d(1, 4, kernel_size=3),
nn.ReLU(inplace=True),
nn.BatchNorm2d(4),
nn.ReflectionPad2d(1),
nn.Conv2d(4, 8, kernel_size=3),
nn.ReLU(inplace=True),
nn.BatchNorm2d(8),
nn.ReflectionPad2d(1),
nn.Conv2d(8, 8, kernel_size=3),
nn.ReLU(inplace=True),
nn.BatchNorm2d(8),
)
self.fc1 = nn.Sequential(
nn.Linear(8*100*100, 500),
nn.ReLU(inplace=True),
nn.Linear(500, 500),
nn.ReLU(inplace=True),
nn.Linear(500, 5))
def forward_once(self, x):
output = self.cnn1(x)
output = output.view(output.size()[0], -1)
output = self.fc1(output)
return output
def forward(self, input1, input2):
output1 = self.forward_once(input1)
output2 = self.forward_once(input2)
return output1, output2
#自定义ContrastiveLoss
class ContrastiveLoss(torch.nn.Module):
"""
Contrastive loss function.
Based on: http://yann.lecun.com/exdb/publis/pdf/hadsell-chopra-lecun-06.pdf
"""
def __init__(self, margin=2.0):
super(ContrastiveLoss, self).__init__()
self.margin = margin
def forward(self, output1, output2, label):
euclidean_distance = F.pairwise_distance(output1, output2, keepdim = True)
loss_contrastive = torch.mean((1-label) * torch.pow(euclidean_distance, 2) +
(label) * torch.pow(torch.clamp(self.margin - euclidean_distance, min=0.0), 2))
return loss_contrastive
2.4 训练
net = SiameseNetwork().cuda() #定义模型且移至GPU
criterion = ContrastiveLoss() #定义损失函数
optimizer = optim.Adam(net.parameters(), lr = 0.0005) #定义优化器
counter = []
loss_history = []
iteration_number = 0
#开始训练
for epoch in range(0, train_number_epochs):
for i, data in enumerate(train_dataloader, 0):
img0, img1 , label = data
#img0维度为torch.Size([32, 1, 100, 100])，32是batch，label为torch.Size([32, 1])
img0, img1 , label = img0.cuda(), img1.cuda(), label.cuda() #数据移至GPU
optimizer.zero_grad()
output1,output2 = net(img0, img1)
loss_contrastive = criterion(output1, output2, label)
loss_contrastive.backward()
optimizer.step()
if i % 10 == 0 :
iteration_number +=10
counter.append(iteration_number)
loss_history.append(loss_contrastive.item())
print("Epoch number: {} , Current loss: {:.4f}\n".format(epoch,loss_contrastive.item()))
show_plot(counter, loss_history)
2.5 测试
现在用testing文件夹中3个人物的图像进行测试，注意：模型从未见过这3个人的图像。
#定义测试的dataset和dataloader
#定义文件dataset
testing_dir = "./data/faces/testing/" #测试集地址
folder_dataset_test = torchvision.datasets.ImageFolder(root=testing_dir)
#定义图像dataset
transform_test = transforms.Compose([transforms.Resize((100,100)),
transforms.ToTensor()])
siamese_dataset_test = SiameseNetworkDataset(imageFolderDataset=folder_dataset_test,
transform=transform_test,
should_invert=False)
#定义图像dataloader
test_dataloader = DataLoader(siamese_dataset_test,
shuffle=True,
batch_size=1)
#生成对比图像
dataiter = iter(test_dataloader)
x0,_,_ = next(dataiter)
for i in range(10):
_,x1,label2 = next(dataiter)
concatenated = torch.cat((x0,x1),0)
output1,output2 = net(x0.cuda(),x1.cuda())
euclidean_distance = F.pairwise_distance(output1, output2)
imshow(torchvision.utils.make_grid(concatenated),'Dissimilarity: {:.2f}'.format(euclidean_distance.item()))
2.6 小结：
- 孪生网络的本质、Loss和应用场景
- 如何使用torchvision.datasets.ImageFolder来自定义dataset
- transforms.Resize()函数有坑，传入int和tuple，处理方法不一样
- torchvision.utils.make_grid()处理机制
Reference
