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