使用 Keras 进行面部表情识别

图片来源 ： Pinterest

简介和概述

Keras是一个非常强大的开源Python库，它运行在其他开源机器库（如TensorFlow，Theano等）之上，用于开发和评估深度学习模型，并利用各种优化技术。

特点 —

• Keras 完全支持递归神经网络和卷积神经网络
• Keras 在 CPU 和 GPU 上都能平稳运行
• Keras NN是用Python编写的，它提倡简单性和强大的调试能力
• Keras以其令人难以置信的表现力，灵活，最小的结构而闻名
• Keras 是一致、简单且可扩展的 API
• Keras还以其高度计算的可扩展性而闻名。
• 对各种平台和后端的广泛支持

210 个机器学习项目（带源代码），您现在可以构建

使用源代码

medium.datadriveninvestor.com

在本项目中，我们将使用Keras实现面部表情识别。我们的数据集（已经分为训练集和测试集）由从Kaggle存储库下载的不同面部表情的图像组成。

导入库

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import utils
import os
%matplotlib inline
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.layers import Dense, Input, Dropout,Flatten, Conv2D
from tensorflow.keras.layers import BatchNormalization, Activation, MaxPooling2D
from tensorflow.keras.models import Model, Sequential
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.callbacks import ModelCheckpoint, ReduceLROnPlateau
from tensorflow.keras.utils import plot_model
from IPython.display import SVG, Image
from livelossplot import PlotLossesTensorFlowKeras
import tensorflow as tf
print("Tensorflow version:", tf.__version__)

输出 —

Tensorflow version: 2.1.0

绘制表达式图像

utils.datasets.fer.plot_example_images(plt).show()

列出表达式图像的不同类别

遗漏一次叉验证

k-fold 交叉验证的极端版本 — 用于估计机器学习算法的性能