目录
- [0 相关资料](#0 相关资料)
- [1 基于人脸检测+面部表情分类识别方法](#1 基于人脸检测+面部表情分类识别方法)
- [2 项目安装](#2 项目安装)
-
- [2.1 平台与镜像](#2.1 平台与镜像)
- [2.2 项目下载](#2.2 项目下载)
- [2.3 模型下载](#2.3 模型下载)
- [2.4 上传待测试图片](#2.4 上传待测试图片)
- [2.5 项目安装](#2.5 项目安装)
- [3 demo测试](#3 demo测试)
0 相关资料
面部表情识别2：Pytorch实现表情识别(含表情识别数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/129505205
b站视频：https://www.bilibili.com/video/BV1xm4y1p7H3
1 基于人脸检测+面部表情分类识别方法
项目源码：https://github.com/Whiffe/PyTorch-Facial-Expression-Recognition
面部表情识别由两部分组成：人脸检测与表情识别分类
人脸检测：https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB
表情识别分类: resnet18,resnet34,resnet50, mobilenet_v2以及googlenet等常见的深度学习模型
2 项目安装
2.1 平台与镜像
我是实用的AutoDL平台
镜像选择：
PyTorch 1.7.0
Python 3.8(ubuntu18.04)
Cuda 11.0
2.2 项目下载
项目下载：
git clone https://github.com/Whiffe/PyTorch-Facial-Expression-Recognition.git如果网速问题无法下载，我已经同步到码云上（推荐）
git clone https://gitee.com/YFwinston/PyTorch-Facial-Expression-Recognition.git2.3 模型下载
模型权重下载(latest-model-099-94.7200.pth )：https://download.csdn.net/download/WhiffeYF/88196455
将下载的模型放在：
PyTorch-Facial-Expression-Recognition/data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230313090258/model
模型权重下载(rfb-face-mask.pth ): https://download.csdn.net/download/WhiffeYF/88196487
将下载的模型放在：
PyTorch-Facial-Expression-Recognition/libs/light_detector/data/pretrained/pth
2.4 上传待测试图片
在该目录下，上传待检测图片：
PyTorch-Facial-Expression-Recognition/data/test_image
2.5 项目安装
在 PyTorch-Facial-Expression-Recognition 目录下执行：
pip install -r requirements.txt 3 demo测试
python demo.py --image_dir data/test_image --model_file data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230313090258/model/latest_model_099_94.7200.pth --out_dir output/
检测结果如下：
