Deep-Emotion:使用注意卷积网络的面部表情识别,Pytorch实现

上传者: 42133415 | 上传时间: 2022-05-07 11:53:19 | 文件大小: 137KB | 文件类型: ZIP
深度情感:使用注意卷积网络的面部表情识别 这是研究论文“的PyTorch实现 [注意]这不是官方执行文件 建筑学 基于注意力卷积网络的端到端深度学习框架 通过空间变压器网络添加注意机制 数据集 先决条件 要运行此代码,您需要具有以下库: 火炬> = 1.1.0 火炬视觉== 0.5.0 OpenCV tqdm 皮尔 该存储库的结构 该存储库的组织方式为: 此文件包含数据集和训练循环的设置。 此文件包含用于评估测试数据模型和网络摄像头实时测试的源代码。 此文件包含模型类 此文件包含数据集类 此文件包含数据集的设置 用法 DeepLearning_by_PhDScholar创建的超酷视频,介绍如何使用此实现。 资料准备 从Kaggle下载数据集,然后将train.csv和test.csv解压缩到./data文件夹中。 怎么跑 设置数据集 python main.py [-s

文件下载

资源详情

[{"title":"( 11 个子文件 137KB ) Deep-Emotion:使用注意卷积网络的面部表情识别,Pytorch实现","children":[{"title":"Deep-Emotion-master","children":[{"title":"imgs","children":[{"title":"net_arch.PNG <span style='color:#111;'> 60.50KB </span>","children":null,"spread":false},{"title":"samples.png <span style='color:#111;'> 105.52KB </span>","children":null,"spread":false}],"spread":true},{"title":"main.py <span style='color:#111;'> 4.84KB </span>","children":null,"spread":false},{"title":"visualize.py <span style='color:#111;'> 3.71KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.24KB </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"data_loaders.cpython-36.pyc <span style='color:#111;'> 2.50KB </span>","children":null,"spread":false},{"title":"generate_data.cpython-36.pyc <span style='color:#111;'> 2.71KB </span>","children":null,"spread":false},{"title":"deep_emotion.cpython-36.pyc <span style='color:#111;'> 1.96KB </span>","children":null,"spread":false}],"spread":true},{"title":"data_loaders.py <span style='color:#111;'> 2.20KB </span>","children":null,"spread":false},{"title":"generate_data.py <span style='color:#111;'> 2.33KB </span>","children":null,"spread":false},{"title":"deep_emotion.py <span style='color:#111;'> 1.80KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明