Skip to content

Latest commit

 

History

History
39 lines (24 loc) · 6.3 KB

README.md

File metadata and controls

39 lines (24 loc) · 6.3 KB

True-Love-Finder

Используя данный проект, вам больше не придется множество раз делать swipe в приложениях по типу Tinder и Badu. Вы сможете обучить нейросеть в соответствии со своими предпочтениями, а далее интегрировать её для связки с нужным вам приложением. Нейросеть будет подсказывать вам, понравится вам конкретный партнёр или нет.

С помощью написанных мной скриптов вы сможете реализовать проекты для личного пользования, где вам требуется сгенерировать датасеты, разделённые на классы категорий, а затем обучить и протестировать на них нейронную сеть.

Содержимое проекта

Для тренировки нейронной сети подготовлено несколько скриптов на Python:

Название файла со скриптом Назначение
image_generator.py генерация случайных изображений на основе загруженных в папку images-for-dataset фотографий с теми людьми, кто вам нравится внешне и кто нет (папки like и dislike соответственно)
face_detector.py поиск лица на изображениях при первичной обработке (самостоятельно запускать его не требуется, поскольку файл включён в работу image_generator.py)
CNN.py создание и тестирование на материале обучения модели нейронной сети на основе собранного с помощью image_generator.py датасета (используется как train, так и test выборка)
CNN_test.py проверка предсказаний нейронной сети на основе валидационной выборки из папки validation-images

Данный проект можно использовать для генерации датасетов для ЛЮБЫХ классов в ваших конкретных случаях, заменив папки like и dislike на другие (подходящие под ваши задачи, например "cats" и "dogs"), а также изменив в соответствии с названиями классов переменную variations в скриптах проекта

Если вашему проекту не нужно распознавать лица - просто уберите из кода ту часть, которая отвечает за поиск лица на изображении и последующую обрезку либо замените её на другой фрагмент с распознаванием, подходящим под ваши задачи.

Пример использования

Я взяла изображения с двумя персонажами игры Detriot: Become Human и поместила их в папку images-for-dataset. Изображения с Коннором, как с более привлекательным для меня персонажем, я добавила в папку like. Изображения с Маркусом и Саймоном, которые далеки от моего типажа в плане внешности, я поместила в папку dislike:

Screenshot_4

После того, как в папку было добавлено большое количество изображений - можно начинать генерацию датасета, запустив файл image_generator.py. Это может занять до нескольких минут (каюсь, нужно оптимизировать код, на что в ночное время меня уже не хватает 😄)

После вывода в консоли надписи Done! можно приступать к обучению нейронной сети. Для этого потребуется запустить файл CNN.py.

Не забудьте поставить CUDA от NVIDIA для быстрого и комфортного обучения с помощью видеокарты.

После завершения обучения в консоли будет выведено сообщение Model is successfully stored and tested!, а в папке появится тяжеловесный файл обученной модели нейронной сети под названием true-love-model.h5. С результатами обучения можно ознакомиться в файле model_summary.txt. Если вас не устраивает результат - вы всегда можете скорректировать параметры под себя, учитывая размеры изображений, желаемое количество карт признаков, архитектуру нейронной сети и т.д.

Для тестирования на валидационной выборке достаточно запустить CNN_test.py, после чего можно увидеть успешные и ошибочные срабатывания нейросети, показанные цветовой пометкой в консоли (красный цвет - значит ошибочное срабатывание). Изображения для валидационнной выборки были отобраны на момент генерации датасета и не входят в выборку, на которой проводилось обучение.