记一次调试fer2013 表情数据集的经过

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。