基于深度学习的面部表情识别 (Facial-expression Recognition)
一、项目背景
数据集cnn_train.csv包含人类面部表情的图片的label和feature。在这里,面部表情识别相当于一个分类问题,共有7个类别。
其中label包括7种类型表情:
7-classes
一共有28709个label,说明包含了28709张表情包。
每一行就是一张表情包4848=2304个像素,相当于4848个灰度值(intensity)(0为黑, 255为白)
二、数据预处理
1.标签与特征分离
cnn_feature_label.py
对原数据进行处理,分离后分别保存为cnn_label.csv和cnn_data.csv.()
2.数据可视化
face_view.py
对特征进一步处理,也就是将每个数据行的2304个像素值合成每张48*48的表情图,最后做成24000张表情包。
3.分割训练集和测试集
cnn_picture_label.py
Step1:划分一下训练集和验证集。一共有28709张图片,我取前24000张图片作为训练集,其他图片作为验证集。新建文件夹cnn_train和cnn_val,将0.jpg到23999.jpg放进文件夹cnn_train,将其他图片放进文件夹cnn_val.
Step2:对每张图片标记属于哪一个类别,存放在dataset.csv中,分别在刚刚训练集和测试集执行标记任务。
Step3:重写Dataset类,它是Pytorch中图像数据集加载的一个基类,需要重写类来实现加载上面的图像数据集 (rewrite_dataset.py)
三、搭建模型
CNN_face.py
neural_network
四、训练模型
train.py
损失函数使用交叉熵,优化器是随机梯度下降SGD,其中weight_decay为正则项系数,每轮训练打印损失值,每5轮训练打印准确率。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
Pytorch实现基于深度学习卷积神经网络的面部表情识别项目源码+面部表情数据集.zip 已获导师指导并通过的高分项目。 动手完成这个项目之后,就可以学习到: 1. 深度学习中CNN(卷积神经网络)的使用,为之后学习相关神经网络模型做了很好的铺垫。 2. 学会使用深度学习框架之一Pytorch的使用。 3. 多分类问题在实际中的应用,是二分类的扩展。 4. 从数据处理,可视化,到模型搭建的过程,是一种经验和技巧的积累,达到“举一反三”的效果。 Pytorch实现基于深度学习卷积神经网络的面部表情识别项目源码+面部表情数据集.zip 已获导师指导并通过的高分项目。 动手完成这个项目之后,就可以学习到: 1. 深度学习中CNN(卷积神经网络)的使用,为之后学习相关神经网络模型做了很好的铺垫。 2. 学会使用深度学习框架之一Pytorch的使用。 3. 多分类问题在实际中的应用,是二分类的扩展。 4. 从数据处理,可视化,到模型搭建的过程,是一种经验和技巧的积累,达到“举一反三”的效果。Pytorch实现基于深度学习卷积神经网络的面部表情识别项目源码+面部表情数据集.zip 已获导
资源推荐
资源详情
资源评论
收起资源包目录
Pytorch实现基于深度学习卷积神经网络的面部表情识别项目源码+面部表情数据集.zip (2000个子文件)
dataset.csv 25KB
dataset.csv 5KB
neural_network.jpg 45KB
22277.jpg 2KB
10490.jpg 2KB
5081.jpg 2KB
2455.jpg 2KB
12596.jpg 2KB
25170.jpg 2KB
23810.jpg 2KB
9767.jpg 2KB
3432.jpg 2KB
15114.jpg 2KB
25769.jpg 2KB
13000.jpg 2KB
1112.jpg 2KB
18905.jpg 2KB
15483.jpg 2KB
12332.jpg 2KB
10860.jpg 2KB
24072.jpg 2KB
17421.jpg 2KB
20332.jpg 2KB
8859.jpg 2KB
17461.jpg 2KB
17317.jpg 2KB
27488.jpg 2KB
10947.jpg 2KB
1740.jpg 2KB
26123.jpg 2KB
38.jpg 2KB
1243.jpg 2KB
15343.jpg 2KB
8006.jpg 2KB
2892.jpg 2KB
10634.jpg 2KB
12592.jpg 2KB
17620.jpg 2KB
24121.jpg 2KB
1016.jpg 2KB
3521.jpg 2KB
8990.jpg 2KB
716.jpg 2KB
9639.jpg 2KB
1204.jpg 2KB
26656.jpg 2KB
6726.jpg 2KB
27523.jpg 2KB
15183.jpg 2KB
6424.jpg 2KB
19610.jpg 2KB
2360.jpg 2KB
4577.jpg 2KB
18434.jpg 2KB
23275.jpg 2KB
9785.jpg 2KB
25442.jpg 2KB
10338.jpg 2KB
15752.jpg 2KB
1663.jpg 2KB
18386.jpg 2KB
27181.jpg 2KB
1061.jpg 2KB
3269.jpg 2KB
19572.jpg 2KB
5509.jpg 2KB
10216.jpg 2KB
26927.jpg 2KB
17384.jpg 2KB
25850.jpg 2KB
8507.jpg 2KB
22837.jpg 2KB
20257.jpg 2KB
20221.jpg 2KB
16574.jpg 2KB
8801.jpg 2KB
19236.jpg 2KB
5957.jpg 2KB
5748.jpg 2KB
22697.jpg 2KB
18657.jpg 2KB
27585.jpg 2KB
24554.jpg 2KB
20032.jpg 2KB
26250.jpg 2KB
26744.jpg 2KB
28038.jpg 2KB
9225.jpg 2KB
25229.jpg 2KB
22654.jpg 2KB
27294.jpg 2KB
26623.jpg 2KB
11610.jpg 2KB
9694.jpg 2KB
6797.jpg 2KB
25698.jpg 2KB
28153.jpg 2KB
10023.jpg 2KB
22012.jpg 2KB
12479.jpg 2KB
共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
程序员张小妍
- 粉丝: 1w+
- 资源: 2604
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- MyBatis动态SQL是一种强大的特性,它允许我们在SQL语句中根据条件动态地添加或删除某些部分,从而实现更加灵活和高效的数据
- MyBatis动态SQL是一种强大的特性,它允许我们在SQL语句中根据条件动态地添加或删除某些部分,从而实现更加灵活和高效的数据
- MyBatis动态SQL是一种强大的特性,它允许我们在SQL语句中根据条件动态地添加或删除某些部分,从而实现更加灵活和高效的数据
- 关于mybatis的一些相关资源
- 关于mybatist的一些相关资源
- uni-app实战社区交友类app开发&带视频教程
- mybatis动态sql的一些相关资源
- 隐马尔可夫模型在期货市场的应用_曾琦裕 (1).caj
- 极域解控和极域反控!!!
- 安卓android-serialport-api 串口demo源代码.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
前往页