FaceRank-人脸打分基于 TensorFlow 的 CNN

FaceRank-人脸打分基于 TensorFlow 的 CNN 模型

隐私

因为隐私问题，训练图片集并不提供，稍微可能会放一些卡通图片。

数据集

• 130张 128*128 张网络图片，图片名： 1-3.jpg 表示 分值为3 的第3 张图。
  你可以把符合这个格式的图片放在 resize_images 来训练模型。

模型

人脸打分基于 TensorFlow 的 CNN 模型 代码参考 : https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py

运行

安装好 TensorFlow 之后，直接运行 train_model.py.

• 训练模型
• 保存模型到 model 文件夹

测试

运行完 train_model.py 之后,直接运行 run_model.py 来测试.

下载

训练好的模型可以在以下网址下载：
http://www.tensorflownews.com/

模型效果

• 训练过程
  你可以看训练过程： Train_Result.md ,这里有损失函数和准确率变化过程。
• 测试结果
  结果并不非常好，但是增加数据集之后有所改善。

(?, 128, 128, 24)
(?, 64, 64, 24)
(?, 64, 64, 96)
(?, 32, 32, 96)

['1-1.jpg', '1-2.jpg', '10-1.jpg', '10-2.jpg', '2-1.jpg', '2-2.jpg', '3-1.jpg', '3-2.jpg', '4-1.jpg', '4-2.jpg', '5-1.jpg', '5-2.jpg', '6-1.jpg', '6-2.jpg', '7-1.jpg', '7-2.jpg', '8-1.jpg', '8-2.jpg', '9-1.jpg', '9-2.jpg']
20
(10, 128, 128, 3)
[3 2 8 6 5 8 0 4 7 7]
(10, 128, 128, 3)
[2 6 6 6 5 8 7 8 7 5]
Test Finished!

支持

• 提交 issue
• QQ 群: 522785813
• 知乎:https://zhuanlan.zhihu.com/TensorFlownews
• 博客:http://www.tensorflownews.com/

后续计划

• 图片像素要提高
• 增加数据集
• 在临近的层次，用公用的图片：比如1-3；4-6；7-9 用相似或者相同图片。

FaceRank - Rank Face by CNN Model based on TensorFlow

Privacy

Because of privacy，the training images dataset is not provided.
maybe some carton images will be given later.

Dataset

• 130 pictures with size 128*128 from web with tag
  image: 1-3.jpg means rank 1,3st train pic
  you can add your own pics to the resize_images folder

Model

Model is CNN based on TensorFlow based on : https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py

Run

After you installed TensorFlow ,just run train_model.py.

• train the model
• save the model to model dir

Test

After you run the train_model.py ,just run the run_model.py to test.

Download

The model is trained can be download at
http://www.tensorflownews.com/

Result

• Train part
  You can see training process at Train_Result.md ,there is loss and accuracy.
• Test part
  It is not good enough,but after I add more data to train,It is better.

(?, 128, 128, 24)
(?, 64, 64, 24)
(?, 64, 64, 96)
(?, 32, 32, 96)

['1-1.jpg', '1-2.jpg', '10-1.jpg', '10-2.jpg', '2-1.jpg', '2-2.jpg', '3-1.jpg', '3-2.jpg', '4-1.jpg', '4-2.jpg', '5-1.jpg', '5-2.jpg', '6-1.jpg', '6-2.jpg', '7-1.jpg', '7-2.jpg', '8-1.jpg', '8-2.jpg', '9-1.jpg', '9-2.jpg']
20
(10, 128, 128, 3)
[3 2 8 6 5 8 0 4 7 7]
(10, 128, 128, 3)
[2 6 6 6 5 8 7 8 7 5]
Test Finished!

Support

• submit a issue
• QQ Group: 522785813
• Zhihu:https://zhuanlan.zhihu.com/TensorFlownews
• Blog:http://www.tensorflownews.com/