chen0040/keras-face のインストールと動作確認（顔認識）（TensorFlow 1.15.5，Python 3.7 を使用）（Windows 上）

前準備

Git のインストール（Windows 上）

Windows での Git のインストール: 別ページ »で説明

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

Python 3.7 64 ビット版のインストール，pip と setuptools の更新，Python 開発環境のインストール（Windows 上）

① Python 3.7 64 ビット版のインストール（Windows 上）

【Python 3.7 のインストール手順の詳細（別ページ） 】

Windows での Python 3.7 のインストール: 別ページ »で説明

【Python の公式ページ】

https://www.python.org/

【インストール手順の概要】

1. Python の URL を開く

   URL: https://www.python.org

2. Windows 版の Python 3.7 をダウンロード

   ページの上の方にある「Downloads」をクリック，「Downloads」の下にメニューが出るので，その中の「Windows」をクリック．

   そして，Python 3.7.x (x は数字）を探す．

   そして，Windows の 64ビット版のインストーラをダウンロードしたいので，「Windows x86-64 executable installer」を選ぶ

   
3. インストール時の設定
   1. いまダウンロードした .exe ファイルを右クリック， 右クリックメニューで「管理者として実行」を選ぶ．
      
   2. Python ランチャーをインストールするために，「Install launcher for all users (recommended)」をチェック．

      ※ すでに Python ランチャーをインストール済みのときは， 「Install launcher for all users (recommended)」がチェックできないようになっている場合がある．そのときは，チェックせずに進む．

   3. 「Add Python 3.7 to PATH」をチェック.
      
   4. 「Customize installation」をクリック．
      
   5. オプションの機能 (Optional Features)は，既定（デフォルト）のままでよい． 「Next」をクリック
      
   6. 「Install for all users」を選ぶ．

      Python のインストールディレクトリは，「C:\Program Files\Python37」のように自動設定されることを確認．

      「Install」をクリック

      
   7. 「Disable path length limit」が表示される場合がある．クリックして，パス長の制限を解除する
      
   8. インストールが終了したら，「Close」をクリック
4. インストールのあと，Windows のスタートメニューに「Python 3.7」が増えていることを確認．
5. システムの環境変数 Path の確認のため，新しくコマンドプロンプトを開き，次のコマンドを実行する．

   py とpip にパスが通っていることの確認である．

   where py
   where pip
   

   where py では「C:\Windows\py.exe」 が表示され， where pip では「C:\Program Files\Python37\Scripts\pip.exe」 が表示されることを確認．

   

② pip と setuptools の更新（Windows 上）

1. Windows で，コマンドプロンプトを管理者として実行

   Windows で pip を実行するときは，コマンドプロンプトを管理者として開き，それを使って pip を実行することにする．

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. 次のコマンドを実行する

   Python の使用は「py -3.7」で行う．

   py -3.7 -m pip install -U pip setuptools
   

   

③ Python 開発環境として，Python の隔離された環境に，Python コンソール（Jupyter Qt Console）, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract をインストール

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. venv を用いて，Python の隔離された環境を作成

   次のコマンドを実行する

   py -3.7 -m pip install -U pip setuptools
   py -3.7 -m venv C:\venv\py37
   

3. Python の隔離された環境の使用開始と，Python 開発環境のインストール

   次のコマンドを実行する

   Python の使用は「C:\venv\py37\Scripts\activate.bat」の後，「python」で行う．

   C:\venv\py37\Scripts\activate.bat
   python -m pip install -U pip setuptools jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter
   

Visual Studio Community 2017，NVIDIA ドライバ，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 のインストール（Windows 上）

Windows での Visual Studio Community 2017，NVIDIA ドライバ，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 のインストール: 別ページ »で説明

TensorFlow 1.15.5, Keras 2.3.1 のインストール

コマンドプロンプトを管理者として実行し，次のコマンドを実行

C:\venv\py37\Scripts\activate.bat
python -m pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow-intel tensorflow-text tensorflow-estimator tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer scipy pandas matplotlib
# TensorFlow 1.15.5 のため numpy, protobuf の古いバージョンを使用．エラーが出にくいと考えられる numpy 1.16.2, protobuf 3.19.4 を使用
python -m pip install -U numpy==1.16.2 protobuf==3.19.4 tensorflow-gpu==1.15.5 keras==2.3.1 scipy==1.5.4

chen0040/keras-face のインストールと動作確認（顔認識）（TensorFlow 1.15.5，Python 3.7 を使用）（Windows 上）

Windows での手順を下に示す．Ubuntu でも同様の手順になる．

1. Windows で，コマンドプロンプトを管理者として実行．
2. chen0040/keras-face のダウンロード

   mkdir %HOMEPATH%
   cd %HOMEPATH%
   rmdir /s /q keras-face
   

   

   git clone https://github.com/chen0040/keras-face
   cd keras-face
   

   
3. 前提パッケージのインストール

   C:\venv\py37\Scripts\activate.bat
   python -m pip install -U numpy==1.16.2 matplotlib
   

4. ファイルの移動

   %HOMEPATH%\keras-face\demo にあるファイルを丸ごと、

   %HOMEPATH%\keras-faceに移動

   その結果、次のようになる

   
5. data\images の下に、顔写真のファイルがあるので確認する
   
6. ファイルの編集

   エラーの回避のため．keras_face\library\face_net.py を次のように書き換える

   「np.set_printoptions(threshold=np.nan)」を削除

   
7. ディレクトリの移動

   cd %HOMEPATH%
   cd keras-face
   

   
8. デモプログラム DeepFace を実行

   このプログラムは camera_0.jpg が誰なのかを顔認識する。

   

   GitHub の chen0040/keras-face の Web ページに記載されている次のプログラムを使用

   次のPython プログラムを実行する

   Python プログラムの実行: 別ページ »で説明

   Python のまとめ: 別ページ »にまとめ

   from keras_face.library.face_net import FaceNet
   
   def main():
       model_dir_path = './models'
       image_dir_path = "./data/images"
       #
       fnet = FaceNet()
       fnet.load_model(model_dir_path)
       #
       database = {}
       database["danielle"] = fnet.img_to_encoding(image_dir_path + "/danielle.png")
       database["younes"] = fnet.img_to_encoding(image_dir_path + "/younes.jpg")
       database["tian"] = fnet.img_to_encoding(image_dir_path + "/tian.jpg")
       database["andrew"] = fnet.img_to_encoding(image_dir_path + "/andrew.jpg")
       database["kian"] = fnet.img_to_encoding(image_dir_path + "/kian.jpg")
       database["dan"] = fnet.img_to_encoding(image_dir_path + "/dan.jpg")
       database["sebastiano"] = fnet.img_to_encoding(image_dir_path + "/sebastiano.jpg")
       database["bertrand"] = fnet.img_to_encoding(image_dir_path + "/bertrand.jpg")
       database["kevin"] = fnet.img_to_encoding(image_dir_path + "/kevin.jpg")
       database["felix"] = fnet.img_to_encoding(image_dir_path + "/felix.jpg")
       database["benoit"] = fnet.img_to_encoding(image_dir_path + "/benoit.jpg")
       database["arnaud"] = fnet.img_to_encoding(image_dir_path + "/arnaud.jpg")
       #
       # verifies whether a particular camera image is a person in the image database
       dist, is_valid = fnet.verify(image_dir_path + "/camera_0.jpg", "younes", database)
       print('camera_0.jpg is' + (' ' if is_valid else ' not ') + 'yournes')
       dist, is_valid = fnet.verify(image_dir_path + "/camera_2.jpg", "kian", database)
       print('camera_0.jpg is' + (' ' if is_valid else ' not ') + 'yournes')
       #    
       # whether a particular camera image is which person in the image database (or not at all)
       dist, identity = fnet.who_is_it(image_dir_path + "/camera_0.jpg", database)
       if identity is None:
           print('camera_0.jpg is not found in database')
       else:
           print('camera_0.jpg is ' + str(identity))
   
   if __name__ == '__main__':
       main()
   

   
9. 実行結果を確認する

   顔認識の結果が表示される

   
10. デモプログラム VGG16 + Siamese の学習 を実行

    このプログラムは、VGG16 + Siamese の学習を行うプログラムである。

    ※ １つ前のプログラムは、DeepFace 法（つまり別もの）

    データのダウンロードと、学習を行うので時間がかかる

    次のPython プログラムを実行する

    py -3.7 を使用．

    from keras_face.library.siamese import SiameseFaceNet
    
    def main():
        fnet = SiameseFaceNet()
        fnet.vgg16_include_top = True # default is False
        #
        model_dir_path = './models'
        image_dir_path = "./data/images"
        #
        database = dict()
        database["danielle"] = [fnet.img_to_encoding(image_dir_path + "/danielle.png")]
        database["younes"] = [fnet.img_to_encoding(image_dir_path + "/younes.jpg")]
        database["tian"] = [fnet.img_to_encoding(image_dir_path + "/tian.jpg")]
        database["andrew"] = [fnet.img_to_encoding(image_dir_path + "/andrew.jpg")]
        database["kian"] = [fnet.img_to_encoding(image_dir_path + "/kian.jpg")]
        database["dan"] = [fnet.img_to_encoding(image_dir_path + "/dan.jpg")]
        database["sebastiano"] = [fnet.img_to_encoding(image_dir_path + "/sebastiano.jpg")]
        database["bertrand"] = [fnet.img_to_encoding(image_dir_path + "/bertrand.jpg")]
        database["kevin"] = [fnet.img_to_encoding(image_dir_path + "/kevin.jpg")]
        database["felix"] = [fnet.img_to_encoding(image_dir_path + "/felix.jpg")]
        database["benoit"] = [fnet.img_to_encoding(image_dir_path + "/benoit.jpg")]
        database["arnaud"] = [fnet.img_to_encoding(image_dir_path + "/arnaud.jpg")]
        #
        fnet.fit(database=database, model_dir_path=model_dir_path)
    
    if __name__ == '__main__':
        main()
    

    
11. 実行結果を確認する
    
12. デモプログラム VGG16 + Siamese による顔認識 を実行

    このプログラムは、VGG16 + Siamese の学習の結果を使うもの

    このプログラムも camera_0.jpg が誰なのかを顔認識する。

    

    次のPython プログラムを実行する

    from keras_face.library.siamese import SiameseFaceNet
    from functools import partial
    import numpy as np
    np.load = partial(np.load, allow_pickle=True) 
    def main():
        fnet = SiameseFaceNet()
        #
        model_dir_path = './models'
        image_dir_path = "./data/images"
        fnet.load_model(model_dir_path)
        #
        database = dict()
        database["danielle"] = [fnet.img_to_encoding(image_dir_path + "/danielle.png")]
        database["younes"] = [fnet.img_to_encoding(image_dir_path + "/younes.jpg")]
        database["tian"] = [fnet.img_to_encoding(image_dir_path + "/tian.jpg")]
        database["andrew"] = [fnet.img_to_encoding(image_dir_path + "/andrew.jpg")]
        database["kian"] = [fnet.img_to_encoding(image_dir_path + "/kian.jpg")]
        database["dan"] = [fnet.img_to_encoding(image_dir_path + "/dan.jpg")]
        database["sebastiano"] = [fnet.img_to_encoding(image_dir_path + "/sebastiano.jpg")]
        database["bertrand"] = [fnet.img_to_encoding(image_dir_path + "/bertrand.jpg")]
        database["kevin"] = [fnet.img_to_encoding(image_dir_path + "/kevin.jpg")]
        database["felix"] = [fnet.img_to_encoding(image_dir_path + "/felix.jpg")]
        database["benoit"] = [fnet.img_to_encoding(image_dir_path + "/benoit.jpg")]
        database["arnaud"] = [fnet.img_to_encoding(image_dir_path + "/arnaud.jpg")]
        #
        fnet.verify(image_dir_path + "/camera_0.jpg", "younes", database)
        fnet.verify(image_dir_path + "/camera_2.jpg", "kian", database)
        fnet.who_is_it(image_dir_path + "/camera_0.jpg", database)
    
    if __name__ == '__main__':
        main()
    

    
13. 実行結果を確認する

    顔認識の結果が表示される