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）

次で配布されているソフトウェア

https://github.com/chen0040/keras-face

これは，顔検証と顔識別のソフトウェア．DeepFace, VGG16 + Siamese を使用．

手順の要点: 前準備として，NVIDIA CUDA 10.0, NVIDIA cuDNN 7.6.5, Python 3.7, TensorFlow 1.15.5 等をインストール．

ソフトウェア等の利用条件等は，利用者で確認すること．

謝辞：ソフトウェアの作者に感謝します

前準備

Python 3.7，Git のインストール（Windows 上）

Pythonは，プログラミング言語の１つ． Gitは，分散型のバージョン管理システム．

【手順】

Windows で，コマンドプロンプトを管理者権限で起動する（例：Windowsキーを押し，「cmd」と入力し，「管理者として実行」を選択）
次のコマンドを実行
次のコマンドは，Python ランチャーとPython 3.7とGitをインストールし，Gitにパスを通すものである．
次のコマンドでインストールされるGitは「git for Windows」と呼ばれるものであり， Git，MinGW などから構成されている．
winget install --scope machine Python.Launcher winget install --scope machine Python.Python.3.7 winget install --scope machine Git.Git powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\Git\cmd\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"

【関連する外部ページ】

Python の公式ページ: https://www.python.org/
Git の公式ページ: https://git-scm.com/

【サイト内の関連ページ】

Python詳細ガイド：別ページ »

【関連項目】 Python, Git バージョン管理システム, Git の利用

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．

Windows で，コマンドプロンプトを管理者として実行．

chen0040/keras-face のダウンロード

mkdir %HOMEPATH%
cd /d c:%HOMEPATH%
rmdir /s /q keras-face

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

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

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
data\images の下に、顔写真のファイルがあるので確認する
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
ディレクトリの移動
cd /d c:%HOMEPATH% cd keras-face

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()

実行結果を確認する
顔認識の結果が表示される

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()

実行結果を確認する

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()

実行結果を確認する
顔認識の結果が表示される