Rangkuman: Pemindai Wajah

Termasuk bagian Pembelajaran Tanpa Pengawasan dalam perjalanan Machine Learning di Coddy. Pelajaran 33 dari 51.

Tantangan

Sedang

Kamera pintu kantor mungkin hanya menyimpan k angka untuk setiap wajah; program membaca k. Kode awal menggambar 300 wajah berukuran 16 kali 16 piksel ke dalam X.

Sesuaikan PCA dengan k komponen. Cetak persentase varians yang dipertahankan, seperti di bawah ini.
Gambar wajah 0 pada axs[0] dan hasil rekonstruksinya dari k angka pada axs[1], keduanya dengan cmap="gray".
Gambar komponen 1 pada axs[2] dengan cmap="gray_r". Tampilkan.

Untuk kamera lain dan 4:

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

Tiga gambar berukuran 16 kali 16: wajah tersenyum, rekonstruksinya yang sedikit lebih halus dari 4 angka, dan komponen 1, bentuk wajah gelap dengan latar putih

Coddy kemudian menjelaskan ketiga panelmu.

Coba sendiri

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


# Menggambar count wajah berukuran 16 kali 16 piksel: satu baris datar berisi 256 nilai kecerahan (0 hingga 1) per wajah
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 wajah yang tertangkap kamera pintu, dan jumlah angka yang boleh disimpan per wajah
X = make_faces(300, seed=7)
k = int(input())

# Jangan ubah baris-baris di bawah ini
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")

# Tulis kodemu di bawah ini