Компактный и эффективный конвейер машинного обучения для распознавания и классификации лиц. Этот проект демонстрирует полный рабочий процесс: от загрузки данных и аугментации до обучения модели и оценки результатов, используя комбинацию OpenCV для обнаружения лиц и Scikit-Learn для построения классификатора.
- Обнаружение лиц и предобработка: Автоматически обнаруживает лица на изображениях с помощью каскадов Хаара и обрезает/изменяет их размер.
- Аугментация данных: Реализует аугментацию изображений (поворот, смещение, отражение) для повышения надежности модели и предотвращения переобучения.
- Снижение размерности: Использует Kernel PCA для эффективной работы с высокой размерностью image-данных.
- Модельный конвейер: Строит надежный классификатор с использованием пайплайна со StandardScaler, KernelPCA и LogisticRegression.
- Комплексная оценка: Предоставляет метрики точности, отчеты о классификации, матрицы ошибок и визуализацию предсказаний.
Проект исследует влияние аугментации данных на производительность модели. Результаты демонстрируют, что увеличение количества аугментированных образцов на изображение может привести к повышению точности на тестовой выборке.
Пример графика точности из эксперимента:
Основная модель представляет собой пайплайн, состоящий из:
- StandardScaler: Стандартизирует признаки, удаляя среднее и масштабируя до единичной дисперсии.
- KernelPCA: Нелинейное снижение размерности с использованием полиномиального ядра (
n_components=200). - LogisticRegression: Линейный классификатор, используемый для окончательного многоклассового предсказания.
Вклады, вопросы и запросы функций приветствуются! Не стесняйтесь проверить страницу issues.
Этот проект лицензирован под лицензией MIT - подробности см. в файле LICENSE.
Если этот проект был вам полезен, поставьте ему ⭐!