人脸表情识别 项目实战

人脸表情识别

1 项目说明

​ 项目分为FER_train和FER_deploy两个文件夹:

FER_train:

  • **CK+、JAFFE、RAF_DB、FER2013、FER+**对应的原始数据、预处理代码、处理后的数据
  • 五个数据集对应的训练和测试代码
  • checkpoints,训好的模型
  • loss、accuracy、confusion matrix可视化

FER_deploy:

  • 提供了ResidualMaskingNetwork和modified_vgg两个训练好的模型
  • 对于切割好的人脸图片的表情分类识别
  • 对于原始图像人脸的检测与表情识别及其可视化
  • onnx模型转化

2 实验结果

CK+:

模型名称测试集准确率
resnet50100%
vgg19_bn100%
modified_vgg100%

JAFFE:

注:数据太少,随机性比较大,训练集和测试集的随机划分会影响到结果,运气差的时候只有83%

模型名称测试集准确率
resnet1895.3%
resnet3488.4%
resnet5081.4%
vgg19_bn79.1%(有时会很差)
modified_vgg79.1%(有时会很差)

RAF-DB:

模型名称测试集准确率
resnet1876.1%
resnet3475.2%
resnet5073.8%
vgg19_bn81.0%
modified_vgg80.1%

FER2013:

模型名称验证集最高准确率测试集准确率
resnet1865.5%66.1%
resnet3464.7%65.7%
resnet5064.4%65.6%
vgg19_bn69.3%69.4%
modified_vgg69.7%69.3%

FER+:

模型名称验证集最高准确率测试集准确率
resnet1880.9%78.6%
resnet3481.0%78.5%
resnet5080.2%79.2%
vgg19_bn84.1%82.5%
modified_vgg84.2%83.0%

Mix(RAF-DB与FER+):

模型名称验证集最高准确率测试集准确率
resnet1880.7%77.5%
resnet3480.7%77.5%
resnet5080.8%77.6%
vgg19_bn84.6%83.0%
modified_vgg84.0%82.8%

注:这些都是在epoch=150,initial_lr=0.0001,Adam,FiveCrop的设置下训练的

运行train_CK+_JAFFE_RAF-DB.py和train_FER2013_FER+.py能训出更好的结果(对应设置:epoch=250,initial_lr=0.01,SGD,TenCrop)。

在这些更强更耗时的设置下,RAF-DB最优效果从81.0%提升到83.3%,如下:

在这里插入图片描述
训练设置参考:

https://github.com/WuJie1010/Facial-Expression-Recognition.Pytorch

3 可视化

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

  • 4
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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