【文件属性】:
文件名称:Emotion_Recognition
文件大小:41.89MB
文件格式:ZIP
更新时间:2021-03-31 12:26:24
Python
情绪识别
目标
实现一个能够预测情绪和面部表情的类似于VGG的网络:
将fer2013.csv数据集转换并拆分为三个HDF5文件,包括训练,验证和测试集。
从头开始构建类似于VGG的网络。
训练情绪识别器并提高模型准确性。
评估先前训练过的情绪识别器。
构建了一个实时应用程序来检测人的情绪/面部表情。
所用包装
Python 3.6
4.0.0
2.1.0
1.13.0
10.0
7.4.2
方法
名为fer2013的数据集来自。 训练数据集包含28,709张图像,每张图像均为48x48灰度图像。 面部已自动对齐,以使它们在每个图像中的大小都大致相同。 有了这些图像,我的目标是将每张脸上表达的情绪分为六个不同的类别:愤怒,恐惧,快乐,悲伤,惊奇和中立。
原始数据集还具有第七类,称为“厌恶”,仅包含约113个图像样本(其余每个类别具有1000多个图像样本)。 在
【文件预览】:
Emotion_Recognition-main
----pipeline()
--------callbacks()
--------preprocessing()
--------nn()
--------io()
----config()
--------emotion_config.py(863B)
----emotion_detector.py(4KB)
----haarcascade_frontalface_default.xml(908KB)
----train_recognizer.py(3KB)
----test_recognizer.py(1KB)
----build_dataset.py(2KB)
----output()
--------vggnet_emotion_6.json(6KB)
--------vggnet_emotion_2.json(4KB)
--------vggnet_emotion_2.png(46KB)
--------vggnet_emotion_4.json(7KB)
--------vggnet_emotion_3.json(6KB)
--------vggnet_emotion_1.json(5KB)
--------vggnet_emotion_4.png(44KB)
--------vggnet_emotion_3.png(45KB)
--------vggnet_emotion_1.png(43KB)
--------vggnet_emotion_5.json(6KB)
--------vggnet_emotion_6.png(41KB)
--------vggnet_emotion_5.png(45KB)
--------evaluation_6.png(3KB)
----checkpoints()
--------epochs_15.hdf5(15.34MB)
--------epochs_10.hdf5(15.34MB)
--------epochs_5.hdf5(15.34MB)
----README.md(13KB)