使用Keras的面部表情识别

使用Keras的面部表情识别 项目实施...

介绍和概述

Keras是一个非常强大的开源Python库，它运行在TensorFlow、Theano等其他开源机器库之上，用于开发和评估深度学习模型并利用各种优化技术。

Keras完全支持递归神经网络和卷积神经网络 Keras在CPU和GPU上都能顺利运行 Keras神经网络是用Python编写的，主张简单和强大的调试能力。 Keras以其令人难以置信的表现力、灵活、最小的结构而闻名。 Keras具有一致、简单和可扩展的API Keras还以其高度的计算可扩展性而闻名。 对各种平台和后端的广泛支持 210个机器学习项目（含源代码），你今天就可以建立了 有源代码 中等.datadriveninvestor.com

在这个项目中，我们将使用Keras实现面部表情识别。我们的数据集（已经分为训练集和测试集）包括从Kaggle repo下载的不同面部表情的图像。

Import Libraries
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import utils
import os
%matplotlib inline
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.layers import Dense, Input, Dropout,Flatten, Conv2D
from tensorflow.keras.layers import BatchNormalization, Activation, MaxPooling2D
from tensorflow.keras.models import Model, Sequential
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.callbacks import ModelCheckpoint, ReduceLROnPlateau
from tensorflow.keras.utils import plot_model
from IPython.display import SVG, Image
from livelossplot import PlotLossesTensorFlowKeras
import tensorflow as tf
print("Tensorflow version:", tf.__version__)

输出

Tensorflow版本：2.1.0

绘制表达式图像

utils.datasets.fer.plot_example_images（plt）.show()

for expression in os.listdir("train/"):
    print(str(len(os.listdir("train/" + expression)))+ " " + expression + " images")
Output —

3171 surprise images
7215 happy images
4965 neutral images
3995 angry images
4830 sad images
436 disgust images
4097 fear images)

输出 -

3171张惊喜图片
7215张快乐的图像
4965幅中性图像
3995张愤怒的图像
4830个悲伤的图像
436 厌恶的图像
4097张恐惧图像

生成训练和验证批次

为了充分利用我们的训练实例，我们将通过一些随机变换来 "增强 "它们，这反过来有助于防止模型过拟合，并帮助模型更好地泛化。

keras.preprocessing.image.ImageDataGenerator类在keras允许--。