想实现一个表情分类系统,使用一个简单的网络,进行多分类。
在网上下载到了fer2013数据集,是csv格式。
fer2013数据集有['angry', 'disgust', 'fear', 'happy', 'sad', 'surprised', 'normal'] 7种表情。
神经网络设计为简单的7分类,不过loss一直不收敛,准确率也很低。
调节了学习率,batch_size, epoch等,看起来改善不大。
后来在网上搜了一下,有fer2013 plus数据集。
GitHub - microsoft/FERPlus: This is the FER+ new label annotations for the Emotion FER dataset.
下来试了一下。
fer2013plus是将原来的数据集进行了挑选。
目前有以下10个分类。
neutral | happiness | surprise | sadness | anger | disgust | fear | contempt | unknown | NF |
考虑简单性,只是使用了前面8个属性。
将原来的网络更改为 8分类,其他基本不变。
于是又愉快的训练起来。从准确率看有提升。
最终结果如下:虽然还是很低,不过比之前好多了。