用卷积滤波器matlab代码-facialexpressionrecognition:尝试使用多个分类器对面部表情进行分类

用卷积滤波器matlab代码面部表情识别 介绍 对于这个问题，我使用了“ Toronto Faces数据集”，该任务是根据表情进行分类。 此外，我还可以访问2925带标签的图像以进行培训和验证。 目的是编写一个在看不见的测试集上能达到最高准确度的程序。 除了2925标记的数据外，还为我提供了98,058张未标记的图像，这些图像用于预训练CNN（以下详细信息）。 在98个参赛作品中排名第9，分类准确率为80.26％。 代码说明 **注意：不包含Toronto Faces数据集 pca基线：在此目录中，对基线MATLAB代码进行了修改，以处理各种数量的主成分，以减少数据的维数。 带有svm的基线：再次修改了基线交叉验证，以使用MSVMpack处理SVM分类。 svm pca的基线：这是可以处理具有不同数量主要成分的SVM分类的交叉验证的代码，以减少数据的维数。 失真集：用于通过失真增强训练集的代码。 可免费使用lensdistort功能。 ae cnn ：用Lua编写的用于Torch软件包的卷积神经网络自动编码器。 代码分为data.lua（上载数据），model.lua（构建模型），tr