Vì mình biết rất nhiều công ty và nhiều bạn đang làm hoặc nghiên cứu về bài toán này nên mình sẽ cố viết chi tiết và dễ hiểu nhất có thể để mọi người sử dụng. Source code này dùng cho cuộc thi, nếu chạy cho product thì chỉ cần dùng model tốt nhất trong 14 model là có thể đạt accuracy hơn 94%. Mình chưa làm face recognition bao giờ nên 10 ngày quá ít để có thể đạt độ chính xác cao như mong muốn.
- Ubuntu 16.04
- Cuda 9.0
- Cudnn 7
- OpenCV 3
- Both python 3.5 and 2.7
- Pytorch, keras
- Caffe [install https://chunml.github.io/ChunML.github.io/project/Installing-Caffe-Ubuntu/]
- [2D-3D Face Alignment] https://github.com/1adrianb/face-alignment
- [Dlib 19.17] https://github.com/davisking/dlib/releases
- Với dlib-19.17, chạy lệnh sau để cài đặt (ko dùng pip vì pip sẽ cài mặc định bản 19.15 xuất hiện nhiều lỗi):
- $ python3 setup.py install
- [Insightface] https://github.com/deepinsight/insightface
- [Facenet] https://github.com/davidsandberg/facenet
- [VGG Face2] https://github.com/ox-vgg/vgg_face2
- Trainset: 4720 images của 1000 người, không có nhãn unknown, mất cân bằng giữa các nhãn (có nhãn chỉ có 1 ảnh trong tập train, có nhãn có 16 ảnh)
- Testset: 17091 images, có nhãn unknown.
- Một số ảnh trong tập train bị gán nhãn sai, có thể dễ dàng xác định thông qua tính euclidean distance giữa các embedding của cùng nhãn, mình không tiến hành gán nhãn lại bộ train vì xem vấn đề nhiễu trong trainset là bình thường và không nhiều nên có thể bỏ qua
- Rất nhiều ảnh trainset và testset chỉ nhìn thấy mặt ở một phía, một số ảnh mặt có đầu chúc xuống 180 độ, nhiều ảnh còn thậm chí không có face, nhiều ảnh chỉ là tranh vẽ (vì mấy vị tướng thời xưa không có ảnh chụp), xen lẫn ảnh grayscale và ảnh color ...
- Bài toán face recognition xuất hiện nhiều, có rất nhiều giải pháp có sẵn có thể đạt accuracy trên 99.8% trên bộ valid LFW, nhưng hầu hết các model này train trên những bộ dataset rất lớn như VGG2 (9K ids/3.31M images), MS1M-ArcFace (85K ids/5.8M images) ... nên nếu build model theo các hướng tiếp cận này trên bộ 4720 images khó có thể đạt accuracy cao tương ứng, và các bộ dataset này không phải giải quyết bài toán unknown, và mình đánh giá bộ LFW không quá khó.
- Mình hướng tiếp cận dùng embedding của các model đã train trên các bộ dataset lớn, vì model đã học được đặc trưng của khuôn mặt nên có thể áp dụng cho người Việt Nam.
- Tải datasets trên trang aivivn và bỏ vào thư mục datasets
- Chạy file align_face.py trong thư mục mysrc
- $ cd mysrc
- $ python3 align_face.py
- Output:
- thư mục datasets/aligned/ chứa ảnh đã được align dùng cho lấy embedding và thư mục datasets/unknown chứa những ảnh ko detect được face
- Key:
- trong tập dataset có rất nhiều ảnh mặt quay chỉ thấy một phía và nhiều ảnh đầu bị chúc xuống nên MTCNN ko phát hiện được khuôn mặt hoặc phát hiện được (hạ threshold thấp xuống) nhưng predict tọa độ 5 điểm sai khiến align ko chuẩn (fail 60 ảnh trong train và hơn 200 ảnh trong test), single shot scale-invariant face detector trong thư viện 2D-3D Face Alignment giải quyết tốt hơn nhiều so với MTCNN (fail 0 ảnh train và 24 ảnh test, hầu hết 24 ảnh này ko có mặt hoặc chỉ là tranh vẽ) - xem trong thư mục datasets/unknown/test
- một số ảnh bị răng cưa nên 2D-3D Face Alignment cũng fail nên mình blur ảnh thì nó lại detect đươc
- Chia dataset thảnh 5 fold, chaỵ 30 lần với các random state khác nhau
- $ cd mysrc
- $ python3 split_dataset.py
- Output: 2 file datasets/train_refined.csv và datasets/test_refined.csv
models
├── dlib-19.17
│ ├── models
│ ├── dlib_face_recognition_resnet_model_v1.dat
│ └── shape_predictor_5_face_landmarks.dat
├── facenet
│ ├── models
│ ├── 20180402-114759
│ │ ├── 20180402-114759.pb
│ │ ├── model-20180402-114759.ckpt-275.data-00000-of-00001
│ │ ├── model-20180402-114759.ckpt-275.index
│ │ └── model-20180402-114759.meta
│ └── 20180408-102900
│ ├── 20180408-102900.pb
│ ├── model-20180408-102900.ckpt-90.data-00000-of-00001
│ ├── model-20180408-102900.ckpt-90.index
│ └── model-20180408-102900.meta
├── insightface
│ ├── models
│ ├── model-r100-ii
│ │ ├── model-0000.params
│ │ └── model-symbol.json
│ ├── model-r34-amf
│ │ ├── model-0000.params
│ │ └── model-symbol.json
│ ├── model-r50-am-lfw
│ │ ├── model-0000.params
│ │ └── model-symbol.json
│ └── model-y1-test2
│ ├── model-0000.params
│ └── model-symbol.json
└── vgg_face2
├── resnet50_128_pytorch
│ ├── resnet50_128_pytorch.pth
│ └── resnet50_128_pytorch.py
├── resnet50_256_pytorch
│ ├── resnet50_256_pytorch.pth
│ └── resnet50_256_pytorch.py
├── resnet50_ft_pytorch
│ ├── resnet50_ft_pytorch.pth
│ └── resnet50_ft_pytorch.py
├── resnet50_scratch_pytorch
│ ├── resnet50_scratch_pytorch.pth
│ └── resnet50_scratch_pytorch.py
├── senet50_128_pytorch
│ ├── senet50_128_pytorch.pth
│ └── senet50_128_pytorch.py
├── senet50_256_pytorch
│ ├── senet50_256_pytorch.pth
│ └── senet50_256_pytorch.py
├── senet50_ft_pytorch
│ ├── senet50_ft_pytorch.pth
│ └── senet50_ft_pytorch.py
└── senet50_scratch_pytorch
├── senet50_scratch_pytorch.pth
└── senet50_scratch_pytorch.py
- Tải pretrain model của 4 thư viện ở mục environments và đặt vào các thư mục theo đúng đường dẫn như cây thư mục trên:
- Chạy 4 script sau để trích xuất embedding của 4 model:
- $ cd mysrc
- $ bash generate_insightface_embedding.sh
- $ bash generate_facenet_embedding.sh
- $ bash generate_dlib_embedding.sh
- $ bash generate_vggface2_embedding.sh
- Chú ý vggface2 phải cài caffe và chạy trên python2.7
- Output: thư mục embedding trong các model[models/dlib-19.17/embedding models/insightface/embedding models/vgg_face2/embedding models/facenet/embedding] chứa các vector embedding tương ứng các ảnh của dataset.
- Key: rất nhiều ảnh của dataset là ảnh grayscale, và bị răng cưa (ảnh độ phân giải thấp resize lên phân giải cao), những ảnh này có thể xếp vào trường hợp khó nhận dạng. Lúc đầu mình sử dụng 2 thư viện [colorization] https://github.com/richzhang/colorization để tạo màu cho ảnh và [Super Resolution GANs] https://github.com/tensorlayer/srgan để resize về resolution[224x224] để làm đầu vào cho vgg face2, giúp mình boost accuracy lên khoảng 0.004. Nhưng sau đó mình chọn cách dùng augmentation trong lúc train, nhiều phép blur, tograyscale, contrast, addToHueAndSaturation ... nên không cần sử dụng thêm 2 thư viện này. Top1 accuracy có thể improve khoảng 0.007.
- Note: model mình build chỉ khoảng 2M parameters nên chỉ cần GPU khoảng 3GB là đủ train, vì mình load tất cả ảnh vào RAM để train cho nhanh nên để chạy code thành công yêu cầu RAM > 24GB, nếu ko đủ RAM các bạn có thể sửa lại hàm train_generator để load từng embedding theo batchsize thay vì load tất cả nhưng train lâu hơn 1 chút. Mình có sử dụng augmentation và cyclical learning rates cho train và flip augmetation cho test.
- Có 15 models (thực chất chỉ dùng 14 models, dlib yếu quá nên mình ko dùng vì sợ nhiễu), mỗi model sẽ tương ứng với một pretrain weights xem ở cuối bài
- cd vào mỗi model và chaỵ 2 lệnh
- $ python3 prepare.py
- $ python3 train.py
- Mỗi model mình sẽ chạy 4 lần với các random state khác nhau khi split trainset and validset, sau khi train xong 15 models, sẽ tạo ra 15 file ptest.npy và checkpoints trong thư mục weights, sau đó chạy:
- $ python3 generate_pseudo.py
- Output: file datasets/pseudo_test.csv chứa label và prob tương ứng mỗi ảnh
- Hoặc có thể chạy script sẵn trong thư mục mysrc:
- $ bash prepare_and_train_step4.sh
- Key: Cái này mình đã từng áp dụng cho cuộc thi Zalo AI challenge và đạt TOP1 nên cuộc thi này tiếp tục xài, mình tạo file submission chỉ có dự đoán 1 class, 4 class còn lại mình để giá trị -1, submit lên đạt 0.936 trên bộ public, giả sử public và private có cùng distribution và ko shakeup quá nhiều, có nghĩa dự đoán sai (1-0.936)*17091 = 1093 ảnh, mình sẽ chọn những ảnh có prob > 0.65 trong tập test (trong file datasets/pseudo_test.csv) đưa vào train model, lúc này bộ trainset sẽ có thêm 14300 images, khoảng 17091-14300 = 2791 ảnh mình đề phòng unknown và dự đoán sai. Đương nhiên trong 14300 ảnh này sẽ có dự đoán sai nhưng quá ít nên model có khả năng bỏ qua những trường hợp này.
- Xác định unknown:
- Trước đây mình có kinh nghiệm dùng gans trong anomaly detection, ví dụ tìm bất thường trong vật thể mà tập train chỉ có ảnh bình thường (ko có ảnh bất thường), ví dụ các bài toán tìm chi tiết máy lỗi, gãy xương, xác định ung thư có thể giải quyết với độ chính xác trên 90% nên khá tự tin detect được unknown. Tiếc là mình thử và nó không hoạt động trên bài toán này, có thể nó chỉ tốt với vài toán chi tiết nhỏ nhưng phải xác định tổng quan cả khuôn mặt như face thì fail. Bạn có thể dùng giải thuật EVM hoặc OpenMax có thể giải quyết được bài toán detect unknown này, mình chưa thử.
- Mình quay lại với cách cổ điển là dùng euclidean distance giữa các embedding và kết hợp dùng prob trong lúc predict, không đạt độ chính xác cao nhưng tầm trên 50% là đủ chiến thắng cuộc thi này.
- Chạy các lệnh sau để tính embedding distance giữa ảnh test và tập train:
- $ cd models/embedding_distance
- $ bash insightface_embedding_distance.sh
- Mình chỉ dùng embedding của insightface để xác định unknown, có thể kết hợp các model khác của facenet, vggface2, dlib nếu ai thích, mình có viết sẵn script trong thư mục này.
- Mình tạo 1 file submission predict tất cả là nhãn 1000, score là 0.01 có nghĩa xấp xỉ 17000*0.01=170 tấm unknown trong tập test, nếu private và public ko shakeup và cùng distribution.
- Mình quy ước những ảnh trong tập test có euclidean distance minimum > 1.35 và prob predicted < 0.1 là unknown, có thể giảm ngưõng distance tăng ngưỡng prob nếu muốn nhưng mình muốn lấy unknown chính xác nhất có thể để đưa vào bộ train nên chọn 2 ngưỡng này. Kết hợp ảnh ko detect được face ở step1 để tạo unknown class. Mình sẽ có tầm 116 tấm làm ground truth cho unknown, đưa vào train thôi.
- Chạy lệnh:
- $ python3 get_unknown.py
- Output: file datasets/pseudo_train.csv chứa pseudo test và unknown class
- Chạy 2 lệnh trong 15 models(có thể bỏ qua dlib nếu muốn):
- $ python3 prepare_pseudo.py
- $ python3 train_pseudo.py
- Sau khi train xong chạy lệnh để tạo file submission:
- $ cd mysrc
- $ python3 pseudo_generate_submission_step6.py
- Output: file mysrc/submission_pseudo_step2.csv để submit test thử và file datasets/pseudo_train_step2.csv train step 7
-
Chạy 2 lệnh trong 15 models(có thể bỏ qua dlib nếu muốn):
- $ python3 prepare_pseudo_step2.py
- $ python3 train_pseudo_step2.py
-
Sau khi train xong chạy lệnh để tạo file submission:
- $ cd mysrc
- $ python3 pseudo_generate_submission_step7.py
- Output: file mysrc/submission_final.csv
- Bạn có thể lặp lại bước 7 nếu muốn, có thể acc sẽ tăng nhưng nguy cơ overfit cũng tăng, đến đây mình dừng lại.
-
Mình có thống kê top1 accuracy trên bộ valid cho 15 model sau qua các bước 4,6,7 để các bạn có 1 cái nhìn tổng quan (xem file training_log*.txt trong mỗi model)
Model Pretrained weights Valid acc step4 (1000 classes) Valid acc step 6 (1001 classes) Valid acc step7 (1001 classes) model1_insightface model-r100-ii 0.887447 0.940572 0.945180 model2_insightface model-r34-amf 0.847458 0.925953 0.930456 model3_insightface model-r50-am-lfw 0.855244 0.929502 0.933686 model4_insightface model-y1-test2 0.787871 0.905667 0.912235 model5_dlib dlib_resnet_model_v1.dat 0.341261 0.619703 model6_facenet 20180402_114759 0.670604 0.857786 0.862553 model7_facenet 20180408_102900 0.682468 0.872087 0.879078 vggface2_resnet50_128 resnet50_128_pytorch 0.752331 0.893167 0.898305 vggface2_resnet50_256 resnet50_256_pytorch 0.756780 0.902648 0.905720 vggface2_resnet50_ft resnet50_ft_pytorch 0.779237 0.910328 0.916525 vggface2_resnet50_scratch resnet50_scratch_pytorch 0.756515 0.889831 0.910328 vggface2_senet50_128 senet50_128_pytorch 0.753178 0.892373 0.895763 vggface2_senet50_256 senet50_256_pytorch 0.757998 0.901536 0.907044 vggface2_senet50_ft senet50_ft_pytorch 0.773464 0.908422 0.913824 vggface2_senet50_scratch senet50_scratch_pytorch 0.747087 0.901059 0.906992 -
File submission cuối cùng là tổng hợp của 14 model theo tỷ lệ thích hợp, model có valid accuracy cao sẽ đánh trọng số cao [xem ở line 45 file pseudo_generate_submission_step7.py]
-
Link weights của 15 model: https://drive.google.com/drive/folders/1JmsBh8jMxGlVsdogHFglODvOueNJ7EFy?usp=sharing
-
Nếu bạn không muốn train lại chỉ cần load weights và predict tập test là được. Mình chia trainset thành 5 folds, train trên 4 folds và valid trên 1 fold, chạy 4 lần với các random state khác nhau, trong đó mỗi thư mục weights có weights đã train trên bộ trainset (4720 images) và weights train trên trainset (4720 images) + pseudo testset (~15000 images). Training log có ghi sẵn trong file .txt trong mỗi model, mọi người có thể sử dụng 1 file weight bất kì trong 40 file weight này.
-
Chú ý link weights mình chỉ lưu trữ trong vòng 1-2 tuần, bạn nào muốn sử dụng như một pretrain thì tải về vì sau đó mình sẽ xóa để tiết kiệm dung lượng cloud. Nếu bạn nào có ý tốt có thể tải về và chia sẻ lạị cho mọi người sử dụng hộ mình càng tốt, hoặc không có thể train lại với các script mình ghi ở trên, mất tầm 1-2 ngày cho 15 model, độ chính xác ko thay đổi.
-
Nếu cần thông tin bổ sung có thể liên hệ linkedin của mình trao đổi https://www.linkedin.com/in/dung-nguyen-ba-137027159/