基于VGG16模型的人脸识别代码

以下是一个基于VGG16模型的人脸识别的Python代码示例：

import numpy as np
import cv2
from keras.models import Sequential
from keras.layers import Dense, Flatten, Dropout
from keras.optimizers import Adam
from keras.preprocessing.image import ImageDataGenerator
from keras.applications import VGG16

# 加载预训练的VGG16模型
base_model = VGG16(weights='imagenet', include_top=False, input_shape=(224, 224, 3))

# 在顶部添加自定义层
model = Sequential()
model.add(base_model)
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))

# 编译模型
model.compile(optimizer=Adam(lr=0.0001), loss='binary_crossentropy', metrics=['accuracy'])

# 数据增强器
train_datagen = ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

# 加载数据
train_generator = train_datagen.flow_from_directory(
    'train',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary')

test_generator = test_datagen.flow_from_directory(
    'test',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary')

# 训练模型
model.fit_generator(
    train_generator,
    steps_per_epoch=2000,
    epochs=50,
    validation_data=test_generator,
    validation_steps=800)

# 保存模型
model.save('face_recognition_vgg16_model.h5')

该代码通过加载预训练的VGG16模型，并在顶部添加自定义层，构建了一个人脸识别模型。然后使用ImageDataGenerator来生成训练和测试数据，并使用fit_generator方法训练模型。最后将训练好的模型保存到本地文件face_recognition_vgg16_model.h5中。