Récapitulatif : scanner de visages

Fait partie de la section Apprentissage non supervisé du Journey Machine Learning de Coddy. Leçon 33 sur 51.

Défi

Moyen

Une caméra à la porte d’un bureau ne peut conserver que k nombres par visage ; le programme lit k. Le code de départ dessine 300 visages de 16 × 16 pixels dans X.

Ajuste une PCA avec k composantes. Affiche la part de variance conservée, comme ci-dessous.
Dessine le visage 0 sur axs[0] et sa reconstruction à partir de k nombres sur axs[1], les deux avec cmap="gray".
Dessine la composante 1 sur axs[2] avec cmap="gray_r". Affiche le résultat.

Pour une autre caméra et 4 :

Kept: 80.5% of the variance with 4 numbers per face

Trois images de 16 × 16 : un visage souriant, sa reconstruction légèrement plus lisse à partir de 4 nombres, et la composante 1, une forme de visage sombre sur fond blanc

Coddy décrit ensuite tes trois panneaux.

Essayez vous-même

import numpy as np
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA


# Dessine count visages de 16 par 16 pixels : une ligne de 256 valeurs de luminosité (de 0 à 1) par visage
def make_faces(count, seed):
    rng = np.random.default_rng(seed)
    cols, rows = np.meshgrid(np.arange(16), np.arange(16))
    faces = []
    for i in range(count):
        light = rng.uniform(0.55, 0.95)
        side = rng.uniform(-0.25, 0.25)
        head = ((cols - 7.5) / 6.2) ** 2 + ((rows - 8) / 7.6) ** 2 < 1
        face = head * (light + side * (cols - 7.5) / 7.5)
        eye_row = rng.uniform(5, 7)
        gap = rng.uniform(2.2, 3.6)
        for eye_col in [7.5 - gap, 7.5 + gap]:
            face = face - 0.7 * np.exp(-((cols - eye_col) ** 2 + (rows - eye_row) ** 2) / 1.2)
        smile = rng.uniform(-2, 2)
        mouth_row = 11.5 - smile * ((cols - 7.5) / 3.5) ** 2
        mouth = np.exp(-((rows - mouth_row) ** 2) / 0.4) * (np.abs(cols - 7.5) < 3.6)
        face = face - 0.6 * mouth + rng.normal(0, 0.04, size=(16, 16))
        faces.append(np.clip(face, 0, 1).flatten())
    return np.round(np.array(faces), 2)


# 300 visages vus par la caméra de la porte, et le nombre de valeurs qu’elle peut conserver par visage
X = make_faces(300, seed=7)
k = int(input())

# Ne modifiez pas les lignes ci-dessous
fig, axs = plt.subplots(1, 3)
axs[0].set_title("Face")
axs[1].set_title(f"Rebuilt from {k}")
axs[2].set_title("Component 1")

# Écrivez votre code ci-dessous