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。
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。
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。
解压 28,709 张训练图片, 和 3,589 张验证图片:
$ python pre-process.py
$ python train.py
If you want to visualize during training, run in your terminal:
$ tensorboard --logdir path_to_current_dir/logs
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
71.22%
下载 预训练模型 放在 "models" 目录下然后执行:
$ python demo.py --v [video_path]