kityzj/Facial-Expression-Prediction

Facial Expression Prediction with Deep Learning

面部表情识别

基于 FER-2013 人脸表情数据集对 ResNet-101 进行微调来进行面部表情识别。

依赖

• NumPy
• Tensorflow
• Keras
• OpenCV

数据集

我使用了 FER-2013 人脸表情数据集，这是一组显示7种情绪表达（愤怒，厌恶，恐惧，快乐，伤心，惊讶和中立）的35,887张照片。

你可以从 Kaggle下载数据集，别忘了把fer2013.csv放在fer2013文件夹中。

ImageNet 预训练模型

下载 ResNet-101 放在 models 文件夹中。

我在微调ResNet-152时遇到了OOM错误，你不妨试一下。

如何使用

数据预处理

解压 28,709 张训练图片, 和 3,589 张验证图片:

$ python pre-process.py

训练

$ python train.py

If you want to visualize during training, run in your terminal:

$ tensorboard --logdir path_to_current_dir/logs

结果分析

将最好的模型重命名为“Model.best.hdf5”，将其放在“models”文件夹中，并使用3,589个测试集图片进行结果分析：

$ python analyze.py

测试集准确率:

71.22%

混淆矩阵:

Demo

下载 预训练模型 放在 "models" 目录下然后执行:

$ python demo.py --v [video_path]