基于深度学习的人脸表情识别

本文介绍了使用Keras进行人脸表情识别的项目,数据集来源于Fer2013,通过数据预处理、模型构建(4层卷积+3层池化+3层全连接),并利用ImageDataGenerator进行数据增强。模型在测试集达到76%的准确率,但disgust类别预测效果不佳,推测可能是数据不平衡导致。
摘要由CSDN通过智能技术生成

写在前面:

这是一门课程的作业!!!
人脸表情识别,训练数据使用的是Kaggle比赛的Fer2013数据集,框架使用的是Keras哈~

fer2013数据集下载:
链接:https://pan.baidu.com/s/1QKpc5ZhXSBjeHRDas1vnng
提取码:0cbz

opencv中自带的人脸识别:
haarcascade_frontalface_alt.xml + haarcascade_frontalface_default.xml
链接:https://pan.baidu.com/s/1WneMWNXzr4KDU3pegKIX_w
提取码:21eu

项目环境

pycharm2018.3.5 + anaconda5.3.1(python3.7.0) + keras2.2.4 + tensorflow1.13.1 + opencv-python3.4.2

实验过程

主要分为3步:数据集的处理、模型的构建及训练、预测。

一.数据集的处理

1、下载fer2013数据集后,打开如下:
csv文件
emotion:表示7个表情类别&#x

评论 3
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