14、基于EmotionVGGNet的面部表情识别系统实现与优化

基于EmotionVGGNet的面部表情识别系统实现与优化

1. EmotionVGGNet网络构建

在构建EmotionVGGNet网络时，会添加一系列的全连接层和激活函数层。以下是网络构建的部分代码：

# Block #6: second set of FC => RELU layers
model.add(Dense(64, kernel_initializer="he_normal"))
model.add(ELU())
model.add(BatchNormalization())
model.add(Dropout(0.5))

# Block #7: softmax classifier
model.add(Dense(classes, kernel_initializer="he_normal"))
model.add(Activation("softmax"))

# return the constructed network architecture
return model

上述代码中， Block #6 包含了一个全连接层、一个指数线性单元（ELU）激活函数层、批量归一化层和一个Dropout层。 Block #7 则添加了一个全连接层和一个softmax激活函数层，用于输出分类概率。

2. 训练面部表情识别器

2.1 训练脚本准备

首先，创建一个名为 train_recognizer.py 的文件，并插入以下代码