基于CNN的表情识别（FER）pytorch实现

Report for FER

Jian Tang

Abstract

我们使用卷积神经网络（CNN）实现了baby的面部表情识别（FER）。

工程代码： https://github.com/JianTang2000/FER2013

数据上，我们获取了开源FER数据集FER2013[1]，besides我们使用爬虫获取了baby相关的人脸图片，进行了手工分类标注以形成一个全新的baby FER数据集。

模型上，我们首先复现了Luan[2]的工作，即参考Kuo[3]在CVPR 2018上的工作并实现一个轻量的CNN网络，在FER2013上进行训练并得到了 54% 的平均分类准确率（avg acc on valSet）；然后我们将模型应用在baby FER数据集并得到avg acc 65%；我们将网络直接应用在baby FER数据集并进行训练，得到的新的avg acc为XXXX%；我们更改了模型的结构以更好的适应三通道，大分辨率的baby FER数据集，最后我们得到的avg acc是XXXX%。(数据没存，有时间再跑一次)

Data

FER2013

FER2013数据集是一个开源的，带标签的，划分好Train/Val的，含7类表情的，含多种族多性别多年龄段的人脸表情灰度图集，且通过对图片的观察我们发现图片存在带水印，卡通图，标签不准确等可能影响分类精度的问题。具体的表情类别和图片数量如下

FER2013 TrainSet数据类别和数量