人脸表情识别——数据集分享（内含处理过的AffectNet等数据集）
前言最近终于是把第一篇论文发出去了半年前我还挣扎在复现不出来论文的精度之中这里指的是AffectNet和FERPlus这俩个数据集精度复现不出来Raf-db数据集是可以复现出精度的。接下来说重点之前之所以另外两个数据集复现不出来精度其实是数据集的原因。我在官方找的AffectNet数据集有几十个G都是没有裁剪过的我下载下来都费劲...并且都是按表情类别存储的而Raf-db是所有训练集都放在train文件当中然后会有一个标签文件(csv文件)指明哪张图片属于什么类别再用dataset文件将他们关联起来而另外两个数据集都不是这种结构的跑出来的精度就会差很多。于是仿照Raf-db的思路我找到处理之后的AffectNet和FERPlus数据集和raf-db的目录结构一样并且仿照rafdb写了一份dataset.py文件跑出来精度就恢复正常了aff大概是20-40epock之内就能出最优结果ferplus大概需要100-200epock出最优结果。并且裁剪处理之后的AffectNet只有4G多方便多了。数据集结构下面看一下处理之后的AffectNet和FERPlus数据集AffectNet总目录结构28万张训练集4000张测试集每个类别500张下面还有对应7类别和8类别的训练和测试标签文件以及dataset文件就不一一列举了使用方式和raf-db一摸一样。FERPlus总目录结构3万5千多张训练集测试集 这里训练集和测试集放一起最后3千多张是测试集后面也有对应训练集和测试集的标签以及dataset文件也是和raf-db一样的使用方式。使用方式如下图非常简单
)
