基于Mini_Xception的轻量级卷积神经网络人脸表情识别.zip

# mini_Xception 用于表情识别的轻量级卷积神经网络 来自论文[《Real-time Convolutional Neural Networks for Emotion and Gender Classification》](https://arxiv.org/pdf/1710.07557v1.pdf) 当然有官方的项目：[oarriaga/face_classification](https://github.com/oarriaga/face_classification) 关于论文详解，可以移步博客：[Real-time Convolutional Neural Networks for Emotion and Gender Classification--O Arriaga](https://blog.csdn.net/qq_40243750/article/details/124208527)，需要重点关注的是： > 论文中基于kera实现的，在fer2013数据集上达到了66%的精度。本文是基于Pytorch实现的，最高只能达到65%的精度。对于这1%~2%精度差异未找到原因，只能归结于框架的不同（不同框架之间的效果会有差异）。 我复现论文的总结，可以移步：[Pytorch实现表情识别卷积神经网络网络：mini_Xception ](https://blog.csdn.net/qq_40243750/article/details/124226066?spm=1001.2014.3001.5501) # 1、安装轮子 使用命令： > pip install -r requirements.txt 如果太慢，可以加个清华源： > pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple # 2、下载数据集 下将链接中的train.csv和test.csv文件下载下来：[数据集](https://www.aliyundrive.com/s/fQz68x23mtk) 然后在mini_Xception根目录创建dataset文件夹，将train.csv和test.csv文件放在dataset文件夹中即可 # 3、训练 运行train.py脚本： - num_epochs = 200 - log_step = 100 # 打印info的间隔步数 - num_workers = 16 # 线程数 # 4、eval 运行eval.py脚本，会计算出测试集的精度和loss，并且显示出混淆矩阵，并保存为图片。  # 5、测试 测试单幅图像，运行frame.py脚本 摄像头实时预测，运行video.py脚本 # 6、DeBug 1. 出现“BrokenPipeError: [Errno 32] Broken pipe”，把线程数num_workers=0即可。