笑脸数据集和口罩数据集

最新推荐文章于 2025-04-14 09:47:57 发布

DefiniteMr

最新推荐文章于 2025-04-14 09:47:57 发布

阅读量845

点赞数

本文链接：https://blog.csdn.net/DefiniteMr/article/details/107269638

版权

本文介绍了如何处理笑脸数据集(genki4k)和口罩数据集，涉及SVM、CNN模型的训练与测试。首先，对数据集进行正负样本划分，并进行预处理。接着，构建小型卷积网络，训练模型并评估精度。同时，展示了使用摄像头采集人脸和训练口罩检测模型的过程，最终能成功识别戴口罩和未戴口罩的人脸。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

掌握笑脸数据集(genki4k)正负样本的划分、模型训练和测试的过程(至少包括SVM、CNN
训练数据集
需要导入的库：
对数据集设置训练测试集、正负样本路径
定义打印出训练集和测试集的正负样本尺寸函数
输入函数（函数包括对模型的训练，模型优化、和模型保存、以及模型精度）
摄像头采集人脸：
口罩数据集

掌握笑脸数据集(genki4k)正负样本的划分、模型训练和测试的过程(至少包括SVM、CNN

训练数据集

导入keras：
在这里插入图片描述

需要导入的库：

import keras
import os, shutil
from keras import layers
from keras import models
from keras import optimizers
from keras.preprocessing.image import ImageDataGenerator
import matplotlib.pyplot as plt
————————————————

效果：
在这里插入图片描述

对数据集设置训练测试集、正负样本路径

train_dir='./smile/train'
train_smiles_dir='./smile/train/smile'
train_unsmiles_dir='./smile/train/unsmile'
test_dir='./smile/test'
test_smiles_dir='./smile/test/smile'
test_unsmiles_dir='./smile/test/unsmile'

在这里插入图片描述