GUI实现 面部表情识别（Facial Expression Recognition）经典卷积神经网络 Python

基于tensorflow深度学习系统使用卷积神经网络构建模型，通过在FER2013、JAFFE、CK+上进行训练构建一个面部表情分类的交互式系统。该系统可用于检测静态图片中的人脸面部表情（快乐、气愤、惊讶、害怕、厌恶、悲伤、中性）。

模型训练
主要在FER2013、JAFFE、CK+上进行训练，JAFFE给出的是半身图因此做了人脸检测。
Fer2013：由28709张训练图，3589张公开测试图和3589张私有测试图组成。每一张图都是像素为48*48的灰度图。FER2013数据库中一共有7中表情：愤怒，厌恶，恐惧，开心，难过，惊讶和中性。该数据库是2013年Kaggle比赛的数据，由于这个数据库大多是从网络爬虫下载的，存在一定的误差性。这个数据库的人为准确率是65% ±5%。
JAFFE：1998年发布，这是比较小和老的数据库。该数据库是由10位日本女性在实验环境下根据指示做出各种表情，再由照相机拍摄获取的人脸表情图像。整个数据库一共有213张图像，10个人，全部都是女性，每个人做出7种表情。
CK+：发布于2010年，由Cohn-Kanade Dataset的基础上扩展而来的。这个数据库包括123个subjects, 593 个 image sequence，每个image sequence的最后一张 Frame 都有action units 的label，而在这593个image sequence中，有327个sequence 有 emotion的 label，如图4.2.2。这个数据库是在实验室条件下获取的，较为严谨可靠。CK+是人脸表情识别中比较标准的一个数据库，很多文章都会用到这个数据做测试。


模型应用
使用该模型构建识别系统，提供GUI界面分析识别面部表情。预测时对一张图片进行水平翻转、偏转15度、平移等增广得到多个概率分布，将这些概率分布加权求和得到最后的概率分布，此时概率最大的作为标签（也就是使用了推理数据增强）。
初始化界面如下图所示：

选择表情图片：

结果：

项目工程文件：
链接： https://pan.baidu.com/s/1aCUjcYV4HcComAS7rynBzw
提取码：hu49

训练集：
链接：https://pan.baidu.com/s/1byauRHQU2SHpqr8KQKV6ng
提取码：gsk3

文件简述：
文件目录

dataset文件夹：数据集（ck+，fer2013，jaffe）
input文件夹：输入数据，用来测试GUI
models文件夹：通过训练集 训练好的模型
output文件夹：GUI输出的结果
src文件夹：源码

使用方法：

一.直接运行gui.py。
(直接运行gui.py将用已训练好的模型进行表情识别。

或

二.也可使用train.py 自己训练模型

1.下载训练集（连接在上），将训练集copy到dataset目录下

2.train.py :执行python src/train.py --dataset fer2013 --epochs 300 --batch_size 32
//将在指定的数据集（fer2013或jaffe或ck+）上按照指定的batch_size训练指定的轮次

原GitHub链接

我运行Github代码时总是出错，因此自己对代码有所修改。此篇文章是我运行成功后所写。
大家可以自行研究下原GitHub代码。