#openface dnn으로 학습하기

pre-trained dnn 모델을 이용한 학습.

단순한 분류기만을 작성하기 위해서는 이 과정만으로 충분함.

##1 데이터셋 디렉토리 만들기 학습 하고자 하는 데이타를 위와 같은 형태의 디렉토리로 작성. 인식하는 확장자는 jpg, png이며 소문자 여야 함.

##2 전처리 `for N in {1..8}; do ./util/align-dlib.py <path-to-raw-data> align outerEyesAndNose <path-to-aligned-data> --size 96 & done.` 위와 같은 코드를 통해 전처리를 수행. align-dlib.py는 분석 예정

##3 representations 제작 `./batch-represent/main.lua -outDir <feature-directory> -data <path-to-aligned-data> creates reps.csv and labels.csv in <feature-directory>.` 기존의 기계학습기 모델에서 특성(feature 추출)을 추출 하는 과정과 유사. batch-represent/main.lua 코드 분석 예정

##4 분류기 모델 작성 `./demos/classifier.py train <feature-directory>` classifier.py를 통해 분류기 모델을 학습. 이 코드는 SVM 분류기 모델을 python 피클 파일로 저장. 1000개 정도의 이미지에서 몇초간의 시간이 소요됨.

##5 새로운 이미지 분류 `./demos/classifier.py infer ./models/openface/celeb-classifier.nn4.small2.v1.pkl images/examples/{carell,adams,lennon}*` 기존에 작성된 분류기 모델을 이용하여 이미지를 분류 처리 celeb-classifier.nn4.small2.v1.pkl : 기존 작성된 분류기 모델

이걸로 돌려본 결과.... 별로 안 좋았는데... 문제는 그게 성능이 안 좋은건지 뭘 몰라서 제대로 못한건지... 아무래도 후자쪽이 T_T