fer2013分类

偷电线

于 2018-05-08 22:45:45 发布

阅读量3.5k

点赞数

本文链接：https://blog.csdn.net/where_is_horse/article/details/80245508

版权

本文介绍了使用googlenet, 修改的alexnet和darknet19对fer2013人脸表情数据集进行分类的实验，最终选择修改的alexnet，因为其层数较少且效果较好。通过调整学习率base_lr，发现在0.005时模型表现最佳。详细步骤包括数据预处理、模型构建、lmdb文件生成和模型训练等。" 108884060,10146244,数据库压力优化：代码、中间件与分布式策略,"['数据库', 'mysql', 'redis', '中间件', '分布式']

摘要由CSDN通过智能技术生成

第五周。

本周采用了googlenet ,修改的alexnet,darknet19对人脸表情数据集fer2013进行分类。

googlenet:63%

修改的alexnet:63%

darknet19:30%

所以选用修改的alexnet，因为修改的alexnet层数较少

当

base_lr=0.5 59.9%

base_lr=0.05 61%

base_lr=0.005 64%

所以选用base_lr=0.005

对alexnet进行修改：去掉最后两层

下载fer2013

注册一个kaggle的账号，登陆下载

将csv转换成jpg

# -*- coding: utf-8 -*-
import csv
import os
from PIL import Image
import numpy as np


datasets_path = r'.\datasets'
train_csv = os.path.join(datasets_path, 'train.csv')
val_csv = os.path.join(datasets_path, 'val.csv')
test_csv = os.path.join(datasets_path, 'test.csv')

train_set = os.path.join(datasets_path, 'train')
val_set = os.path.join(datasets_path, 'val')
test_set = os.path.join(datasets_path, 'test'