/CS385-MachineLearning

SJTU CS385 Project1

Primary LanguagePython

CS385 MachineLearning Project

实现了Logistics，LDA，SVM，CNN 以及降维算法PCA，t-SNE

环境

Python 依赖参考requires.txt

请将图片数据集文件夹FDDB-folds,originalPics放在同级目录

数据处理程序运行

  1. 创建目录 vis_data,data/hog,data/img
  2. 运行命令 python dataformater.py

即可获取所有需要预处理的数据集

训练模型

  1. 提前创建目录 save/ 用于保存模型
  2. 处理完数据后运行下列命令即可
python train.py --model log
python train.py --model lda
python train.py --model svm
python train.py --model cnn

其中，log可指定不同的optimization方法,svm可以指定不同的kernel 全部可用命令如下

python train.py --model log --loss SGD
python train.py --model log --loss SGLD

python train.py --model svm --kernel linear
python train.py --model svm --kernel rbf
python train.py --model svm --kernel sigmoid
python train.py --model svm --kernel poly

获取大部分报告中所用图片命令如下 （可能有部分时间太久，所以删除了）

python draw.py --model log
python draw.py --model lda
python draw.py --model svm
python draw.py --model cnn
python draw.py --model pca
python draw.py --model tsne

pca 和 tsne 有两种数据集可以使用

python draw.py --model pca --data hog
python draw.py --model pca --data img
python draw.py --model tsne --data hog
python draw.py --model tsne --data img

人脸检测

python face_detection.py

指定图片位置

python face_detection.py --img img_591.jpg