“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:
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。