Facial-Expression-Recognition-2019

這個專題利用fer2013資料集(from kaggle)訓練CNN．

資料集介紹

• 解析度為48×48的灰階圖片．

• 預先劃分成一個訓練集與兩個測試集．

• 總共7個類別，Angry、Disgust、Fear、Happiness、Sadness、Surprise、Neutral．
  

資料預處理

#	說明	圖片
1	對訓練集做資料清洗，將不包含人臉的圖片過濾
2	利用Dlib預先訓練好的人臉偵測器完成過濾．
3	訓練集過濾後各類別的資料數量．
4	利用直方圖均衡化對圖片灰階完成歸一化．
5	透過將原本圖片放大至70 × 70的長寬尺寸，然後對齊圖片四個角落和中間位置剪裁出48 × 48的圖片大小．
6	利用對圖片的小角度旋轉增強網路對人臉角度的適應性．

CNN模型

Layer	Output Shape	Activate Function/Kernel Size/Stride	Drop Rate
Input	(48,48,1)	N.A.	N.A.
2D-Convolution	(46,46,64)	Relu/(3,3)/(1,1)	N.A.
2D-Convolution	(46,46,64)	Relu/(3,3)/(1,1)	N.A.
Batch Normalization	(46,46,64)	N.A.	N.A.
Max pooling	(23,23,64)	N.A./(2,2)/(2,2)	N.A.
2D-Convolution	(23,23,128)	Relu/(3,3)/(1,1)	N.A.
Batch Normalization	(23,23,128)	N.A.	N.A.
2D-Convolution	(23,23,128)	Relu/(3,3)/(1,1)	N.A.
Batch Normalization	(23,23,128)	N.A.	N.A.
Max pooling	(11,11,128)	N.A./(2,2)/(2,2)	N.A.
2D-Convolution	(11,11,256)	Relu/(3,3)/(1,1)	N.A.
Batch Normalization	(11,11,256)	N.A.	N.A.
2D-Convolution	(11,11,256)	Relu/(3,3)/(1,1)	N.A.
Batch Normalization	(11,11,256)	N.A.	N.A.
Max pooling	(5,5,256)	N.A./(2,2)/(2,2)	N.A.
2D-Convolution	(5,5,512)	Relu/(3,3)/(1,1)	N.A.
Batch Normalization	(5,5,512)	N.A.	N.A.
2D-Convolution	(5,5,512)	Relu/(3,3)/(1,1)	N.A.
Batch Normalization	(5,5,512)	N.A.	N.A.
Max pooling	(2,2,512)	N.A./(2,2)/(2,2)	N.A.
Flatten	2048	N.A.	N.A.
Fully-Connected	512	Relu	0.4
Fully-Connected	256	Relu	0.4
Fully-Connected	128	Relu	0.4
Fully-Connected	7	Softmax	N.A.

Total Parameters：5,905,863

訓練過程

特徵圖可視化

模型表現

實際應用