这篇机器学习课程的期末报告详细介绍了如何使用SVM进行人脸识别。首先，通过安装Dlib和OpenCV等库处理少量数据的可视化，接着提取Dlib特征和HOG特征。尽管Dlib在小尺寸图像上的特征提取效果不理想，但项目仍进行了SVM训练和测试。由于像素点少，特征提取面临挑战，且大量图片导致特征提取耗时较长。
问题描述
根据面部表情显示的情绪对人物图像进行分类。
数据集
有 35887 张人脸灰度图像的数据，每张图像分辨率48*48，像素点数据存放在csv文件中，图像的表情由数字0~6表示(0=Angry, 1=Disgust, 2=Fear, 3=Happy, 4=Sad, 5=Surprise, 6=Neutral)。
根据面部表情显示的情绪对人物图像进行分类。
数据集
有 35887 张人脸灰度图像的数据，每张图像分辨率48*48，像素点数据存放在csv文件中，图像的表情由数字0~6表示(0=Angry, 1=Disgust, 2=Fear, 3=Happy, 4=Sad, 5=Surprise, 6=Neutral)。
少量数据的可视化处理：
将csv文件中pixels列48*48的数值恢复成图片
解决思路：
1、安装开源的人脸识别库。
2、提取数据的Dlib特征及HOG特征。
3、进行SVM算法的训练并对测试集进行算法测试，评估效果。<
最低0.47元/天 解锁文章
扫一扫
4554
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
