高精度人脸表情识别 开源代码

已于 2022-03-21 21:24:14 修改
阅读量2.3w 收藏 155
点赞数 13
分类专栏： 深度学习宝典 人脸识别 文章标签： 表情识别
于 2018-08-15 17:28:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/81708001
版权

人脸表情识别+半监督

Margin-Mix: Semi–Supervised Learning for Face Expression Recognition

作者 | Corneliu Florea, Mihai Badea, Laura Florea, Andrei Racoviteanu, Constantin Vertan

单位 | 布加勒斯特理工大学

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123680001.pdf

代码 | https://github.com/YU1ut/MixMatch-pytorch

备注 | ECCV 2020

有关键点，表情，表情模型好像120m

https://github.com/WIKI2020/FacePose_pytorch

模型120M

https://github.com/intelligent-human-perception-laboratory/Face-Warping-Emotion-Recognition

这个项目没测试，年龄，性别，表情模型 53m</

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
  • 13
    点赞
  • 踩
  • 155
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
一种高检测精度人脸识别方法.pdf
05-17
一种高检测精度人脸识别方法.pdf
毕业设计之 --- 基于深度学习的人脸表情识别
HUXINY的博客
01-28 1万+
文章目录前言1 技术介绍 前言 人脸表情识别一直都是个热门的课题，今天学长向大家介绍如何使用深度学习技术进行人脸表情识别。 该课题非常适合用于毕业设计，对毕设有需求的可以联系学长哦～ 1 技术介绍 人脸识别作为一种生物特征识别技术，具有非侵扰性、非接触性、友好性和便捷性等优点。早在二十世纪初期，人脸识别已经出现，于二十世纪中期，发展成为独立的学科。人脸识别真正进入应用阶段是在90年代后期。人脸识别属于人脸匹配的领域，人脸匹配的方法主要包括特征表示和相似性度量。人脸识别通用的流程主要包括人脸检测、人脸
【人脸表情识别】深度学习卷积神经网络CNN人脸表情识别（含识别率 七种表情）【含GUI Matlab源码 4316期】
最新发布
Matlab武动乾坤的博客
04-20 1250
深度学习卷积神经网络CNN人脸表情识别（含识别率 七种表情） 完整的代码，方可运行；可提供运行操作视频！适合小白！
人脸表情识别
littestar的博客
04-24 9910
人脸表情识别 目前人们对表情识别的研究大都是从静态图像或者图像序列中提取表情特征，然后根据这些特征信息通过设计相应的分类算法把表情归为某一类别以完成分类任务。大多是分为散步，第一步预处理及人脸获取，第二步，特征提取，第三步，归类。将重点放在人脸整体上，将人脸整体进行分析处理，算法核心是降维处理。本文在此基础上将特征提取分为两步，将重点放在表情关键部分。人脸表情主要体现在眼睛、鼻子、嘴巴、眉毛四个关键部分， 通过对这四个关键部分的定位，可以将人脸特征选择缩小至这些部位中。减少了大量计算量，同时也提高了识别率
人工智能与机器学习——人脸表情识别
dedsec0x的博客
11-29 8606
一、人脸特征提取的步骤 ①数据集 这里我们使用GENKI-4K数据集去进行我们的实验，GENKI-4K一共包含4000个图像,分为“笑”和“不笑”两种,每个图片拥有不同的尺度大小,姿势,光照变化,头部姿态,可专门用于做笑脸识别。这些图像包括广泛的背景，光照条件，地理位置，个人身份和种族等。 ②定义 训练/测试：将图片分为训练集和测试集，训练集中的图片是用来训练模型，测试集的图片是用来对模型进行测试和评价的。 阳性样本：笑脸的图片。 阴性样本：不笑的图片 F1分数：用来衡量你的模型。...
基于深度学习的人脸表情识别实现
飞奔的菜猪的博客
05-02 1万+
1. 前言 关于人脸识别，其实我一直以来做过蛮多的项目，有些是整理出帖子了，有些是没有整理出，因为学业比较繁重，所以也是断断续续的来整理。最近刚好是五一假期，也出不去，就想着来整理一篇关于人脸表情识别的文章。这是可以既可以识别人的身份，还可以识别出人的表情出来，如开心、悲伤等基本情绪。 2. 相关工作 依我比较有限的知识来说的话，无论是人脸识别还是表情识别，亦或是把两者结合起来，也就是本文要实现的人脸+表情识别任务，其本质都是分类任务。关于人脸识别，我之前分别实现了不戴口罩和戴口罩的识别任务，具体可参
68人脸特征点Hog+SVM人脸表情识别
05-11
【人脸表情识别】是计算机视觉领域的一个重要课题，它涉及到人机交互、情感计算和人工智能等多个方面的技术。在这个"68人脸特征点Hog+SVM人脸表情识别"项目中，开发者利用了先进的技术和工具来实现这一功能。以下是...
基于Python的人脸识别源码
01-06
这些级联分类器是由大量正负样本训练得到的，能够以较高的精度识别出图像中的人脸区域。 接下来，TensorFlow是谷歌开发的一个深度学习框架，它广泛应用于各种机器学习和神经网络任务，包括人脸识别。在这个项目中，...
python实现人脸识别代码
09-21
此外，更先进的方法如深度学习模型（如FaceNet、MTCNN或Dlib）可能会提供更高的准确性和更广泛的面部识别功能，包括表情分析、姿态估计和年龄性别识别。 总的来说，Python 实现人脸识别的基本流程包括图像获取、...
seeprettyface-generator-yellow-master_表情识别_人脸表情识别_www亚洲yellow_co
10-04
【标签】中的"表情识别"和"人脸表情识别"是关键的技术关键词。表情识别是一种计算机视觉技术，通过分析面部特征来识别或推断个体的情绪状态。它通常涉及面部关键点检测、特征提取和分类算法。"www亚洲yellow"可能是...
基于MindSpore的开源工具包，包含最先进的人脸识别和检测模型
04-16
除了ArcFace，MindFace还集成了RetinaFace模型，这是一个用于人脸检测的高精度模型。RetinaFace在单个网络中同时解决了人脸检测和关键点定位的问题，它能够准确地检测出图像中的人脸，并且能够精确定位眉毛、眼睛、...
基于深度学习的人脸面部表情识别系统【含Python源码+PyqtUI界面+原理详解】
阿旭的博客
06-27 1万+
基于深度学习的人脸面部表情识别系统【含Python源码+PyqtUI界面+原理详解】
人脸表情识别系统介绍——上篇（python实现，含UI界面及完整代码）
热门推荐
思绪无限的博客
06-09 16万+
摘要：这篇博文介绍基于深度卷积神经网络实现的人脸表情识别系统，系统程序由Keras, OpenCv, PyQt5的库实现，训练测试集采用fer2013表情库。如图系统可通过摄像头获取实时画面并识别其中的人脸表情，也可以通过读取图片识别，本文提供完整的程序文件并详细介绍其实现过程。博文要点如下：表情识别数据集、搭建表情识别的模型、数据增强的批量训练、系统UI界面的实现。点击跳转至博文涉及的全部文件下载页。
SVM实现人脸识别
Baker的博客
12-19 3873
一、训练 # 导入包 import numpy as np import cv2 import dlib import random#构建随机测试集和训练集 from sklearn.svm import SVC #导入svm from sklearn.svm import LinearSVC #导入线性svm from sklearn.pipeline import Pipeline #导入python里的管道 import os import joblib#保存模型 from sklearn.prepr
基于人脸的常见表情识别 Task02笔记
CharlesDavid
12-02 4193
基于人脸的常见表情识别——数据获取与整理 项目背景 对于很多初⼊深度学习计算机视觉领域的朋友来说，当前开源资料⾮常多，但有时候难以适从，其中很多资料都没有包含完整的项⽬流程，⽽只是对某个流程的部分截取，对能⼒的锻炼不够。图像分类是整个计算机视觉领域中最基础的任务，也是最重要的任务之⼀，最适合拿来进⾏学习实践。为了让新⼿们能够⼀次性体验⼀个⼯业级别的图像分类任务的完整流程，本次我们选择带领⼤家完成⼀个对图片中⼈脸进⾏表情识别的任务。 数据获取 很多实际项⽬我们不会有现成的数据集，虽然可以通过开源数据集获
机器学习实战——人脸表情识别
X2860403860的博客
10-04 5446
基于keras创建及训练卷积神经网络，OpenCV对图像数据集进行处理，pyqt5对GUI界面的创建。 本项目基于python设计对于人脸表情的情绪识别，通过使用日本拍摄的jaffe数据集对卷积神经网络进行训练，并保存训练的参数对新的人脸情绪进行识别，并设计出GUI窗口方便使用。 本项目采用的数据集是日本的jaffe数据集，该数据库包含213张由10位日本女模特构成的7种面部表情（6种基本面部表情+ 1个中性）的图像，图片为256x256灰度图，这7种表情分别是sad(悲...
人脸表情识别（GUI实时识别）
weixin_43425950的博客
04-02 682
使用卷积神经网络构建整个系统，在尝试了Gabor、LBP等传统人脸特征提取方式基础上，深度模型效果显著。在FER2013、JAFFE和CK+三个表情识别数据集上进行模型评估。
基于人脸的常见表情识别（3）——模型搭建、训练与测试
jianhunhenbaqi的博客
02-12 3113
基于人脸的常见表情识别（3）——模型搭建、训练与测试 模型搭建与训练 1. 数据接口准备 2. 模型定义 3. 模型训练 模型测试 本 Task 是『基于人脸的常见表情识别』训练营的第 3 课，如果你未学习前面的课程，请从 Task1 开始学习，本 Task 需要使用到数据集，在 Task2 中提供下载的渠道。 在完成了数据准备后，接下来就是卷积神经网络一展身手的时候了，通过本次任务，您将学到如何使用 PyTorch 深度学习框架，实现卷积神经网络的定义、训练和预测。 模型搭建与训练 得到了数据
表情识别（七）--面部表情识别阶段综述（2018.4）
工作笔记
05-30 3万+
本文主要参考论文《Deep Facial Expression Recognition: A Survey》   首先我们来了解一下表情识别的相关背景知识以及发展近况。人脸表情是最直接、最有效的情感识别模式。它有很多人机交互方面的应用，例如疲劳驾驶检测和手机端实时表情识别。早在20世纪Ekman等专家就通过跨文化调研提出了七类基础表情，分别是生气，害怕，厌恶，开心，悲伤，惊讶以及中立。然而不断的...
人脸识别c#代码 高精度
05-19
以下是使用 C# 实现人脸识别的代码，其中使用了高精度算法： ```csharp using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Drawing; using System.Drawing.Imaging; using System.IO; using Microsoft.Azure.CognitiveServices.Vision.Face; using Microsoft.Azure.CognitiveServices.Vision.Face.Models; using MathNet.Numerics.LinearAlgebra; namespace HighAccuracyFaceRecognition { class Program { static void Main(string[] args) { // 读取图片文件 string imagePath = "path/to/image.jpg"; Bitmap image = new Bitmap(imagePath); // 将图片转换为字节数组 byte[] imageData; using (MemoryStream ms = new MemoryStream()) { image.Save(ms, ImageFormat.Jpeg); imageData = ms.ToArray(); } // 初始化 Face API 客户端 string subscriptionKey = "your-subscription-key"; string endpoint = "https://your-endpoint.cognitiveservices.azure.com/"; FaceClient faceClient = new FaceClient(new ApiKeyServiceClientCredentials(subscriptionKey)) { Endpoint = endpoint }; // 配置人脸检测参数 IList<FaceAttributeType> faceAttributes = new List<FaceAttributeType>() { FaceAttributeType.Emotion, FaceAttributeType.Gender, FaceAttributeType.Age, FaceAttributeType.Smile, FaceAttributeType.Glasses, FaceAttributeType.HeadPose }; // 检测人脸 DetectResult[] detectResults = faceClient.Face.DetectWithStreamAsync(new MemoryStream(imageData), true, false, faceAttributes).Result; // 遍历检测结果 foreach (DetectResult detectResult in detectResults) { // 获取人脸特征向量 Guid faceId = detectResult.FaceId.Value; FaceAttribute features = detectResult.FaceAttributes; double[] featureVector = GetFeatureVector(faceClient, faceId); // 进行人脸识别 string personName = RecognizeFace(featureVector); // 输出结果 Console.WriteLine($"Person name: {personName}"); Console.WriteLine($"Emotion: {features.Emotion.ToRankedList().First().Key}"); Console.WriteLine($"Gender: {features.Gender}"); Console.WriteLine($"Age: {features.Age}"); Console.WriteLine($"Smile: {features.Smile}"); Console.WriteLine($"Glasses: {features.Glasses}"); Console.WriteLine($"Head pose: roll={features.HeadPose.Roll}, yaw={features.HeadPose.Yaw}, pitch={features.HeadPose.Pitch}"); } } static double[] GetFeatureVector(FaceClient faceClient, Guid faceId) { // 获取人脸特征向量 const int FEATURE_VECTOR_SIZE = 512; FaceAttributeType[] faceAttributes = { FaceAttributeType.FaceLandmarks }; FaceAttribute[] attributes = faceClient.Face.GetFaceAttributesAsync(faceId, faceAttributes).Result; Landmarks landmarks = attributes[0].FaceLandmarks; DenseMatrix imagePoints = DenseMatrix.OfArray(new double[,] { { landmarks.PupilLeft.X, landmarks.PupilLeft.Y }, { landmarks.PupilRight.X, landmarks.PupilRight.Y }, { landmarks.NoseTip.X, landmarks.NoseTip.Y }, { landmarks.MouthLeft.X, landmarks.MouthLeft.Y }, { landmarks.MouthRight.X, landmarks.MouthRight.Y } }); Vector<double> featureVector = FaceRecognition.ComputeFaceDescriptor(imagePoints, FEATURE_VECTOR_SIZE); return featureVector.ToArray(); } static string RecognizeFace(double[] featureVector) { // TODO: 实现人脸识别算法，返回识别结果 return "Unknown"; } } } ``` 在上述代码中，`GetFeatureVector` 函数使用 `Face API` 获取人脸关键点坐标，然后调用 `FaceRecognition.ComputeFaceDescriptor` 函数计算人脸特征向量。`RecognizeFace` 函数需要根据已有的人脸库进行人脸识别，这里需要自己实现。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值