Beschreibung
Zunächst werden die Trainingsbilder untersucht. Es liegen insgesamt 3462 Bilder in verschiedenen Größen vor, zu denen es 68 Keypoints pro Gesicht gibt. Bevor diese im Trainingsprozess verwendet werden können, werden sie auf eine einheitliche Größe von 224x224 Pixeln gebracht, normalisiert und zu einem Tensor umgewandelt. Das erstellte CNN besitzt 3 Convolutional Ebenen mit Dropout- und Pooling-Ebenen. Darauf folgt eine vollständig vernetzte Ebene mit 136 Output-Neuronen (X und Y Positionen der 68 Keypoints). Für das Training wurde eine Batch Größe von 10 verwendet und über 5 Epochen trainiert. Der Fehler konnte über diesen Zeitraum stark reduziert werden.
Bei einer Anwendung des CNNs an Testdaten vor und nach dem Training zeigt sich eindeutig, wie das Netz gelernt hat, die Keypoints in den Gesichtern richtig zuzuordnen. Ohne Training wurden diese nur zufällig in die Bildmitte gelegt. Auch bei dem trainierten neuronalen Netz besteht jedoch Verbesserungsbedarf.