面部表情识别---学习笔记

FER：面部表情识别
数据集：
1. 表情产生的方式：
  1. posed:摆拍
  2. spontaneous(自然)
2. 收集条件
  1. lab：实验室收集
  2. web（网页抓取）
  3. movie（电影截图）
一个深度面部表情识别系统
1. 输入
2. 预处理：
  1. 面部对齐：检测人脸，去掉背景和无关区域，关键点标定，关于关键点的坐标：人脸可以利用仿射变换显示到统一的预定义模板上，可减少旋转和面部变形带来的变化
  2. 数据增强：
    1. 缩放
    2. 旋转
    3. 颜色
    4. 加躁
    5. 归一化
      1. illumination（光照归一化）：基于各向同性扩散归一化、基于离散余弦归一化，高斯差分
      2. pose（姿势归一化）：以产生正面人脸视角。在标定人脸关键点之后，生成一个3D纹理参考模型，估测人脸部件，将输入人脸反投影到参考坐标系上，生成初始正面人脸
    6. 线下数据增强主要通过一些图像处理操作来扩充数据库，让网络对出现偏移和旋转的人脸更健壮，也可使用cnn或gan来生成更多的数据
    7. 在线数据增强方法一般集成在深度学习工具箱中，在训练过程中，输入样本被随机中心裁减1，并水平翻转，得到比原训练数据库大10倍的数据库
训练模型：
1. 网络集成需要考虑的因素：
  1. 网络要具有足够的多样性，以保证互补：需要考虑不同的训练数据库和不同的网络结构及参数
  2. 合适的集成方法：特征层，决策层
2. 多任务学习：将知识从其他相关任务中迁移出来，消除有害信息，如表情识别任务+面部识别任务
3. 级联网络：不同任务的各种模块按顺序组合，形成更深的网络
测试
输出

相关阅读:
【技术】BootStrapTable 滚动条控制
web前端网页设计期末课程大作业：中华传统文化题材网页源码——基于HTML实现中国水墨风书画艺术网站(12个页面)
RK3399平台开发系列讲解（内存篇）ARM64虚拟地址空间布局
【架构】分布式与微服务架构解析
spring boot使用mybatisplus访问mysql的配置流程
卡片翻转效果的实现思路
文献速递：GAN医学影像合成--用生成对抗网络生成 3D TOF-MRA 体积和分割标签
Interview
适用于 Linux、Windows 和 macOS 的免费 ONLYOFFICE 桌面应用程序
三分类网络的物理意义是什么?

原文地址：https://blog.csdn.net/weixin_45647721/article/details/126181092