Pytorch训练表情识别之笑脸识别

Pytorch训练表情识别之笑脸识别

一、数据下载
首先是数据下载，话不多说，直接上百度云链接，这是一个只有笑脸和无表情的数据集：
链接：https://pan.baidu.com/s/11K1C6nYfa9bbnsIWsvRGKg
提取码：1tl7
这个链接是整个项目的代码和数据，不想自己写代码的可以直接下载这个：
链接：https://pan.baidu.com/s/1SVfkzbGvYkBuu-puwwOhiw
提取码：iim8
二、数据处理

解压下载好的数据，里面已经分配好了train和val，这时候就可以有很多方法来处理数据，反正最后只有能实现数据输入无误，标签正确就可以了。这里我就以我的方法举例。
打开项目，先看dataloader.py：

将这里改成自己数据的地址，后面的地址是生成的csv的地址，为了方便后续训练调用数据的。

这部分代码是将datasets中的数据读取，然后把图像的名字和标签分别存到数组中，然后打乱顺序，使得每次传入模型中训练的数据中既包含笑脸也包含无表情的图片。然后将图像的名字和对应的标签存入csv中。
完成这一步之后，还需要修改以下dataset类，以保证投喂的数据是按照我想要的方式来投喂，打开data_set/FaceData.py

还是先修改路径，其他的部分可以根据代码的注释自行理解，就是先读取csv中的信息，然后通过csv的信息读取图像并简单处理图像，然后贴好标签。
三、模型建立
打开train_model/model.py，这里面的模型是我自己根据图像大小写的，因为数据集的图像是64x64，不能使用较大的模型，所以就自己写了一个也很简单。
四、开始训练
数据和模型都准备好了，就可以开始训练了，打开train.py，注释都已经很清楚了，主要是别忘了路径。

训练时的参数可以自己设置，修改好之后直接运行train.py，观察loss的情况和验证集的准确率。我训练完的准确率大概在91%。

五、测试效果
运行predict.py，可以将验证集的图片的结果挨个输出，观察一下那些检测错了的图像，结果很尴尬。

Val数据集中有很多这样的图像，难怪识别的准确率上不去，删掉这些图像，准确率直接爆表，完美。