人脸表情识别——数据集分享（内含处理过的AffectNet数据集）

前言：

最近终于是把第一篇论文发出去了，半年前我还挣扎在复现不出来论文的精度之中，这里指的是AffectNet和FERPlus这俩个数据集精度复现不出来，Raf-db数据集是可以复现出精度的。 接下来说重点：之前之所以另外两个数据集复现不出来精度，其实是数据集的原因。我在官方找的AffectNet数据集有几十个G，都是没有裁剪过的，我下载下来都费劲...并且都是按表情类别存储的，而Raf-db是所有训练集都放在train文件当中，然后会有一个标签文件(csv文件)指明哪张图片属于什么类别，再用dataset文件将他们关联起来，而另外两个数据集都不是这种结构的，跑出来的精度就会差很多。  之后我找到处理之后的AffectNet和FERPlus数据集，和raf-db的目录结构一样，并且仿照rafdb写了一份dataset.py文件，跑出来精度就是正常的了。aff大概是20-40epock之内就能出最优结果，ferplus大概需要100-200epock出最优结果。（处理之后的AffectNet也没有几十G了，只有4G多，方便多了）。需要数据集的直接拉到文章结尾。

---

数据集

下面看一下处理之后的AffectNet和FERPlus数据集：

AffectNet：

总目录结构：

28万+张训练集： 

 4000张测试集：（每个类别500张）

         下面还有对应7类别和8类别的训练和测试标签文件，以及dataset文件，就不一一列举了，使用方式和raf-db一摸一样。

FERPlus：

总目录结构：

3万5千多张：训练集+测试集 （这里训练集和测试集放一起，最后3千多张是测试集）

        后面也有对应训练集和测试集的标签，以及dataset文件，也是和raf-db一样的使用方式。 

使用方式如下图，非常简单：

        需要数据集的可以加我1002372564，我看到后会回复你。另外代码有啥bug也可以找我讨论，毕竟我是一路踩坑踩过来的... (不过不是无偿的哈，望理解)。