基于Python机器学习人脸自动补全

发表于:2018-3-12 09:41

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:阿莫莫    来源:博客园

#
Python
分享:
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression,Ridge,Lasso
from sklearn.neighbors import KNeighborsRegressor
from sklearn.ensemble import ExtraTreesRegressor
from sklearn.datasets import fetch_olivetti_faces
faces=fetch_olivetti_faces()
data=faces['data']
target=faces['target']
#data.shape
#人脸补全
#人脸数据一分为二,上半部分作为数据,下半部分作为target
face_up,face_down=data[:,:2048],data[:,2048:]
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(face_up,face_down,test_size=0.1)
#5个算法分别识别
estimators={'knn':KNeighborsRegressor(),
'LinearRe':LinearRegression(),
'Ridge':Ridge(alpha=0.1),
'Lasso':Lasso(alpha=0.5),
'ExtraTree':ExtraTreesRegressor()}
#face_down[2048]
result_ = {}
for key,estimator in estimators.items():
estimator.fit(x_train,y_train)
y_ = estimator.predict(x_test)
result_[key] = y_
plt.figure(figsize=(2*6,10*2))
for i in range(10):
if i :
axes=plt.subplot(10,6,i*6+1)
else:
axes=plt.subplot(10,6,1,title='True Face')
axes.axis('off')
face_up=x_test[i]
face_down=y_test[i]
face_full=np.hstack((face_up,face_down))
face_image=face_full.reshape((64,64))
axes.imshow(face_image,cmap='gray')
for j,key in enumerate(result_):
if i :
axes=plt.subplot(10,6,i*6+2+j)
else:
axes=plt.subplot(10,6,2+j,title=key)
face_up=x_test[i]
y_=result_[key]
face_down_predict=y_[i]
face_full_predict=np.hstack((face_up,face_down_predict))
face_image_predict=face_full_predict.reshape((64,64))
axes.imshow(face_image_predict,cmap='gray')
上文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理。

《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号