人脸情绪识别挑战赛 图像分类 pytorch

“这篇文章是对202 科大讯飞人脸情绪识别挑战赛的说明与总结。”

比赛链接

http://challenge.xfyun.cn/topic/info?type=facial-emotion-recognition

任务

赛题要求根据给定的数据集训练分类器。

数据由训练集和测试集组成，训练集数据集按照不同情绪的文件夹进行存放。其中：

• 训练集：2.8W张人脸图像；
• 测试集：7K张人脸图像；

图像的尺寸为48*48像素。数据集包括的情绪标签包括以下7类：

• angry
• disgusted
• fearful
• happy
• neutral
• sad
• surprised

#baseline：

https://gitee.com/coggle/competition-baseline/tree/master/competition/%E7%A7%91%E5%A4%A7%E8%AE%AF%E9%A3%9EAI%E5%BC%80%E5%8F%91%E8%80%85%E5%A4%A7%E8%B5%9B2021/%E4%BA%BA%E8%84%B8%E6%83%85%E7%BB%AA%E8%AF%86%E5%88%AB%E6%8C%91%E6%88%98%E8%B5%9B

baseline使用了 efficientnet_b1、resnnet18 finetune的方式完成训练，精度大概在66%左右。

笔者采用 多分类器决策 的方法，将精度提升至72%。具体使用的分类器包括：

• efficientnet_b1

• efficientnet_b3

• inception_v3

• res2net101_26w_4s

• resnet50

• resnet101d

• xception41

值得注意的是，在使用5分类器时性能可以达到0.72053，后面新增res2net101_26w_4s、xception41分类器性能几乎无提升。（尽管res2net101_26w_4s能达到70%左右的分类水平）

出于时间原因，并无后续的优化。如果各位有好的刷榜方法，希望能一起交流。

“感谢您的阅读。”

欢迎关注下方公众号，一起交流ai赛事。