fer2013数据集

#fer2013数据集| 来源: 网络整理| 查看: 265

目录写在前面：一：查看fer2013数据集（cvs格式）二：使用Pandas读取csv三：使用cv2查看其中一张图片四：将数据集划分五：将数据转换为数组（array）格式，否则keras会报错六：使用matplotlib显示照片七：搭建模型八：查看模型结构图（使用pydot）九：开始训练十：使用matplotlib绘图查看结果10.1：batch_size对于训练的影响10.2：评估结果总结补充

写在前面：此代码主要来源于：人脸表情识别深度神经网络 python实现简单模型fer2013数据集因为是新手，所以直接拿别人的代码来测试一下这个数据集。此外，由于本人电脑没有独显，只能CPU跑。原始链接中batch_size 设置为8，由于种种原因我没有测试，只测试了128和512的情况在下面的结果中也可以看到20代大约训练了40分钟靠上。原数据集在kaggle中可以下载：fer2013数据集下载页面，或者在我分享的百度网盘中下载链接：百度网盘分享提取码：u6so 一：查看fer2013数据集（cvs格式）

在这里插入图片描述

每行pixels下有48*48个数据，以空格进行分隔。emotion有0-6，分别代表以下意思： ‘anger’,‘disgust’,‘fear’,‘happy’,‘neutral’,‘sad’,‘surprised’整个数据集被分为Training、PrivateTest、PublicTest三个集合，分别对应训练集，验证集，测试集；验证集和测试集的区分可以查看我的另一篇文章：为何需要验证集？二：使用Pandas读取csv import numpy as np import pandas as pd data = pd.read_csv('C:/Users/24651/Desktop/fer2013.csv') num_of_instances = len(data) #获取数据集的数量 print("数据集的数量为：",num_of_instances) pixels = data['pixels'] emotions = data['emotion'] usages = data['Usage'] 数据集的数量为： 35887

截止到目前的数据集总量为35887。

三：使用cv2查看其中一张图片 import cv2 img0 = list(map(eval,pixels[0].split(' '))) np_img0 = np.asarray(img0) img0 = np_img0.reshape(48,48) import matplotlib.pyplot as plt plt.imshow(img0, cmap="gray")

在这里插入图片描述这张图片被分类为生气（anger）

四：将数据集划分 emotions_Str=['anger','disgust','fear','happy','neutral','sad','surprised']

在其中，为了更直观地查看图片，将其转换为png格式，其实在本代码中是没有必要的。

from keras.utils import to_categorical from PIL import Image import os num_classes = 7 #表情的类别数目 x_train,y_train,x_val,y_val,x_test,y_test = [],[],[],[],[],[] from tqdm import tqdm for i in tqdm(range(num_of_instances)): usages_name = usages[i] emotions_Str_Nmae = emotions_Str[emotions[i]] one_hot_label = to_categorical(emotions[i],num_classes) #标签转换为one-hot编码，以满足keras对于数据的要求 img = list(map(eval,pixels[i].split(' '))) np_img = np.asarray(img) img = np_img.reshape(48,48) if usages[i] == 'Training': x_train.append(img) y_train.append(one_hot_label) elif usages[i] == 'PrivateTest': x_val.append(img) y_val.append(one_hot_label) else: x_test.append(img) y_test.append(one_hot_label) subfolder = os.path.join('C:\\Users\\24651\\Desktop\\',usages_name,emotions_Str_Nmae) if not os.path.exists(subfolder): os.makedirs(subfolder) im = Image.fromarray(img).convert('L') im.save(os.path.join(subfolder , (str(i)+'.jpg') )) 100%|████████████████████████████████████████████████████████████████████████████| 35887/35887 [06:10

【本文地址】

公司简介

联系我们