Facial-Expression-Recognition.Pytorch 项目使用教程

Facial-Expression-Recognition.Pytorch 项目使用教程

Facial-Expression-Recognition.PytorchA CNN based pytorch implementation on facial expression recognition (FER2013 and CK+), achieving 73.112% (state-of-the-art) in FER2013 and 94.64% in CK+ dataset项目地址:https://gitcode.com/gh_mirrors/fa/Facial-Expression-Recognition.Pytorch

1. 项目的目录结构及介绍

Facial-Expression-Recognition.Pytorch/
├── FER2013_VGG19/
│   └── pre-trained-model.pth
├── images/
│   └── 1.jpg
├── pypreprocess_CK+
├── pypreprocess_fer2013
├── pyutils
├── pyvisualize
├── mainpro_CK+.py
├── k_fold_train.py
├── plot_CK+_confusion_matrix.py
├── README.md
└── MIT-LICENSE

• FER2013_VGG19/: 存放预训练模型的文件夹。
• images/: 存放测试图像的文件夹。
• pypreprocess_CK+: 用于CK+数据集的预处理脚本。
• pypreprocess_fer2013: 用于FER2013数据集的预处理脚本。
• pyutils: 包含项目中使用的实用工具脚本。
• pyvisualize: 包含可视化工具脚本。
• mainpro_CK+.py: 用于训练和评估CK+数据集的主脚本。
• k_fold_train.py: 用于10折交叉验证的训练脚本。
• plot_CK+_confusion_matrix.py: 用于绘制CK+数据集混淆矩阵的脚本。
• README.md: 项目说明文档。
• MIT-LICENSE: 项目许可证文件。

2. 项目的启动文件介绍

mainpro_CK+.py

该文件是用于训练和评估CK+数据集的主脚本。使用方法如下：

python mainpro_CK+.py --model VGG19 --bs 128 --lr 0.01 --fold 1

• --model: 指定使用的模型，如VGG19。
• --bs: 批量大小。
• --lr: 学习率。
• --fold: 指定交叉验证的折数。

k_fold_train.py

该文件用于10折交叉验证的训练。使用方法如下：

python k_fold_train.py

plot_CK+_confusion_matrix.py

该文件用于绘制CK+数据集的混淆矩阵。使用方法如下：

python plot_CK+_confusion_matrix.py --model VGG19

• --model: 指定使用的模型，如VGG19。

3. 项目的配置文件介绍

项目中没有显式的配置文件，但可以通过命令行参数在启动文件中进行配置。例如：

• 模型选择: 通过--model参数选择不同的模型，如VGG19或Resnet18。
• 批量大小: 通过--bs参数设置批量大小。
• 学习率: 通过--lr参数设置学习率。
• 交叉验证折数: 通过--fold参数设置交叉验证的折数。

通过这些参数，可以在启动训练和评估脚本时灵活配置项目。

Facial-Expression-Recognition.PytorchA CNN based pytorch implementation on facial expression recognition (FER2013 and CK+), achieving 73.112% (state-of-the-art) in FER2013 and 94.64% in CK+ dataset项目地址:https://gitcode.com/gh_mirrors/fa/Facial-Expression-Recognition.Pytorch