情绪识别 该存储库的目的是通过深度学习探索面部表情识别 环境： python 2.7 pytorch 0.3.0 GTX 1080 楷模： VGG Face微调可用于基于图像的表情识别 VGG + GRU用于基于视频的表情识别 Resnet + GRU用于基于视频的表情识别 型号详情： VGG Face 我们使用进行微调，使用FER2013数据集进行分类。 首先，我们通过将caffe模型转换为Pytorch模型，我们提供了转换后的。FER2013数据库包含35889张图像：用于培训的28709张图像，用于公共测试的3589张图像，以及用于私人测试的3589张图像。 我们使用训练数据和公共测试数据进行训练，并使用私人测试数据评估模型性能。 在这里，我们提供已 用法： 首先下载FER2013数据集（需要解压缩）和pytorch模型（VGG_Face_torch

对应博客详解 https://blog.csdn.net/huqinweI987/article/details/87884341

基于深度学习的面部表情识别研究.pdf

自行收集面部表情图片，例如从搜索引擎中抓取或者直接用公开的数据集，基于tensorflow等深度学习系统，构建一个面部表情分类，可以检测静态图片中的人脸面部表情，或者面部表情实时监测系统。搭建一个桌面或者移动端app，可以对面部表情进行实时的检测和输出，可以检测的面部表情7种。

基于卷积神经网络的面部表情识别(Pytorch实现)----台大李宏毅机器学习作业3(HW3)...-附件资源

行业分类-电子电器-一种集会场景中人的面部表情分析系统.zip

基于面部表情和语音的多模态情感识别研究，张寅，周丽君，本文对基于面部表情和语音的多模态情感识别进行研究。首先采集特定人面部表情样本建立面部表情数据库，采集特定人语音样本建立语

类似Lie to me里面用的测试软件，提供种子文件自己用BT下载吧！

网上JAFFE数据库几乎都是原始数据库，未经人脸裁剪/人脸剪切的，这个数据库是经过预处理的，已经将人脸利于面部表情识别的部分剪切出来，并存成64*82大小图像（详细裁剪算法请参考张一鸣，《面部表情识别》，该裁剪程序可在我的另一个资源里找到），按照类别分成7组，并详细标明各组所属表情分类，可直接用于面部表情识别实验。

最先介绍了人脸的检测的最基本的理论方面的知识，在弄清楚人脸识别的理论之后，接下来我们再研究一下人脸图像的表情是怎样提取特征的，我们使用的是以SIFT 算法为特征提取的工具，而且我们找到了基于尺度方面的理论，还有SIFT 特征点的提取方法等等。最终从识别的步骤入手，进一步设计出基于Matlab的人脸表情识别系统，具有较高的识别率。