2021-07-19 AI studio 面部情绪识别 预测

预测

predict_dataset = FaceDataset(mode='test')
print('测试数据集样本量：{}'.format(len(predict_dataset)))
 
from paddle.static import InputSpec
 
# 模型封装
model_2 = paddle.Model(network, inputs=[InputSpec(shape=[-1] + get('image_shape'), dtype='float32', name='image')])
 
# 训练好的模型加载
model_2.load(get('model_save_dir'))
 
# 模型配置
model_2.prepare()
 
# 执行预测
result = model_2.predict(predict_dataset)
 
import matplotlib.pyplot as plt
# 样本映射
LABEL_MAP = get('LABEL_MAP')
 
def show_img(img, predict):
    plt.figure()
    plt.title('predict: {}'.format(LABEL_MAP[predict_label]))
    image_file, label = predict_dataset.data[idx]
    image = Image.open(image_file)
    plt.imshow(image)
    plt.show()
 
 
 
# 随机取样本展示
indexs =[0,2,15,20,30,49,58]
 
for idx in indexs:
    predict_label = np.argmax(result[0][idx])
    real_label = predict_dataset[idx][1]
    show_img(real_label,predict_label )
    print('样本ID：{}, 真实标签：{}, 预测值：{}'.format(idx, LABEL_MAP[real_label], LABEL_MAP[predict_label]))

测试结果

测试集和训练集相同，结果仍有错误，但大部分是正确的。

总结：
训练集和测试集相同肯定会导致检测准确率偏高，也许切分一下数据集会好一点。那么面部情绪识别的代码大致就是这些，剩下的就是将模型部署到树莓派上了…吧？