無料のソース コードのダウンロード リンクは記事の最後にあります。
SMILES データセットを使用して畳み込みニューラル ネットワークをトレーニングします。モデルがトレーニングされたら、前のチュートリアルと同じ手順に従って、画像やビデオ内の笑顔を検出します。
- Haar カスケードを使用して画像内の顔を検出します。
- 画像から顔領域を抽出します。
- 分類のために顔領域をネットワークに渡します。
- 最後に、ネットワークの出力に基づいて、画像に「笑っている」または「笑っていない」というテキストの注釈を付けます。
SMILES データセットには、64 x 64 ピクセルの 13,165 枚のグレースケール画像が含まれており、笑顔と笑顔ではないという 2 つのカテゴリに分類されます。「笑っていない」 顔の画像がちょうど 9,475 枚 、 「笑顔」の顔の画像が 3,690 枚あります。データセットは不均衡です。これは、画像が均等に分散されていないことを意味します。
不均衡なデータセットに対処する一般的な手法は、クラスの重みを適用することです。これを行う方法はモデルを構築するときに説明します。