人脸表情识别，训练集，验证集，集，kaggle的fer2013数据集。

FER-面部表情识别 这项工作是为了证明以下问题： : 使用卷积神经网络和OpenCV构建了实时面部检测器和情绪分类器。 CNN模型已经过调整，即使在低端设备上也具有出色的性能。 使用说明 按照进行神经网络训练。 文件结构： FER_CNN.ipynb-训练CNN的教程 FER.py-使用预先训练的模型进行推断 model.json-神经网络架构 weights.h5-训练过的模型权重 安装 建议使用Python虚拟环境。 用于模型预测 pip install -r requirements.txt 要么 pip install opencv-python pip instal

FER 基于FER2013 Kaggle数据集的面部表情识别模型。 当前模型可实现约67％的精度。 在添加更多训练数据集以提高概括能力的过程中。 对模型体系结构进行一些调整可能会提高准确性。

暂时收集的FER轻量级网络主要创新点及论文图表

该资源为官网下载来的完整初始版数据集，不是网上已经被个人更改过的数据集！ （由于超过1000M，分为三个部分来上传） CK+ 是表情识别领域最为常见的数据集之一！包括8种基本表情（包括中性的话）。 数据库包括123个subjects, 593 个 image sequence，每个image sequence的最后一张 Frame 都有action units 的label，而在这593个image sequence中，有327个sequence 有 emotion的 label。这个数据库是人脸表情识别中比较流行的一个数据库，很多文章都会用到这个数据做测试

这篇论文是近几年表情识别方向的一篇较好的综述。 论文对表情识别的相关信息进行了全面的总结，其中包括对FER相关的数据集介绍、对基于深度神经网络的静态图片和动态图片序列（视频）FER相关算法的优缺点总计，以及对FER面临的机遇和挑战给出了说明。

Bai渡Yun链接 内含CK和CK+两个完整数据集，只可用于人脸表情识别的学术研究。The Extended Cohn-Kanade Dataset (CK+): A complete dataset for action unit and emotion-specified expression

fer数据集

人脸表情识别数据集 JAFFE JAFFE数据集一共有213张图像．选取了10名日本女学生，每个人做出7种表情．7种表情包括： Angry，Disgust，Fear，Happy，Sad，Surprise，Neutral．（愤怒，厌恶，恐惧，高兴，悲伤，惊讶，中性）

fer2013+The FER+ annotations provide a set of new labels for the standard Emotion FER dataset. In FER+, each image has been labeled by 10 crowd-sourced taggers, which provide better quality ground truth for still image emotion than the original FER labels. Having 10 taggers for each image enables re