学习笔记(03):深度学习之图像识别核心技术与案例实战-分类数据

最新推荐文章于 2025-12-06 22:45:43 发布

原创最新推荐文章于 2025-12-06 22:45:43 发布 · 356 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #可视化 #数据 #优化 #技术

研发管理专栏收录该内容

16 篇文章

订阅专栏

本文详细介绍了一个表情图像分类任务，从基于嘴唇的表情识别开始，探讨了表情数据集的选择，包括KDEF、RaFD、RAF、EMotioNet等，以及如何使用OpenCV进行人脸检测和嘴唇区域裁剪。此外，文章还介绍了如何利用MobileNet这一轻量级模型进行表情分类。

部署运行你感兴趣的模型镜像

立即学习:https://edu.youkuaiyun.com/course/play/26257/326450?utm_source=blogtoedu

表情图像分类任务

1.基于嘴唇的表情识别

2.表情数据集：公开或自己采集

表情：KDEF,RaFD,RAF,EMotioNet等

人脸：Celeba,

自己采集image download

3.OpenCV人脸检测

Dlib关键点检测

嘴唇区域裁剪

4.使用MobileNet，Depthwise和Pointwise组成（结构简单，性能稳定，预训练模型多）

您可能感兴趣的与本文相关的镜像

AutoGPT

AI应用

AutoGPT于2023年3月30日由游戏公司Significant Gravitas Ltd.的创始人Toran Bruce Richards发布,AutoGPT是一个AI agent（智能体），也是开源的应用程序，结合了GPT-4和GPT-3.5技术，给定自然语言的目标，它将尝试通过将其分解成子任务，并在自动循环中使用互联网和其他工具来实现这一目标