个人网站建立策划书前言视频网站开发工程师

个人网站建立策划书前言,视频网站开发工程师,云南住房和建设厅网站,网站内容检测【PYTHON-YOLOV8N】面部表情识别环境准备数据集准备FER2013数据下载地址查看FER2013数据FER2013CSV数据转数据集环境准备 参考这篇文章https://youyouhome.blog.csdn.net/article/details/155965991?spm1001.2014.3001.5502 数据集准备 常用的公开数据集如下 FER2013…【PYTHON-YOLOV8N】面部表情识别环境准备数据集准备FER2013数据下载地址查看FER2013数据FER2013CSV数据转数据集环境准备参考这篇文章https://youyouhome.blog.csdn.net/article/details/155965991?spm1001.2014.3001.5502数据集准备常用的公开数据集如下FER2013经典表情数据集含 7 类表情愤怒、厌恶、恐惧、开心、悲伤、惊讶、中性共 35 万 人脸图片AffectNet更大规模含 12 类基本表情 复杂情绪支持多分辨率RAF-DB亚洲人脸为主表情标注更精准适合中文场景。本次采用的是以FER2013为例。FER2013数据下载地址最终下载到的文件是fer2013.csv下载地址点击https://tianchi.aliyun.com/dataset/37273/查看FER2013数据使用python代码看一张图片如下代码运行即可importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt# 1. 加载CSV文件dfpd.read_csv(fer2013.csv)# 请确保文件路径正确# 2. 查看数据前几行和基本信息print(df.head())print(df[emotion].value_counts())# 3. 将像素字符串转换为图像数组的函数defstring_to_array(pixel_string):pixel_listlist(map(int,pixel_string.split()))returnnp.array(pixel_list).reshape(48,48)# 4. 提取并显示一张图片示例例如第一张训练图片first_image_pixelsdf.loc[0,pixels]first_image_emotiondf.loc[0,emotion]first_image_arraystring_to_array(first_image_pixels)plt.figure()plt.imshow(first_image_array,cmapgray)plt.title(fEmotion Label:{first_image_emotion})plt.axis(off)plt.show()FER2013CSV数据转数据集运行如下代码就可以将csv数据转为图片importpandasaspdimportnumpyasnpimportosfromPILimportImageimportcsv# 1. 读取CSV文件dfpd.read_csv(FER2013.csv)# 请确保文件路径正确# 2. 创建保存图片的主目录base_save_dir./FER2013_Imagesifnotos.path.exists(base_save_dir):os.makedirs(base_save_dir)# 3. 表情标签对应的中文/英文名称方便理解emotion_dict{0:Angry,1:Disgust,2:Fear,3:Happy,4:Sad,5:Surprise,6:Neutral}# 4. 核心函数将像素字符串转换为图片并保存defsave_pixels_to_image(pixels_str,save_path):# 将字符串转换为整数列表pixels_arraynp.array(list(map(int,pixels_str.split())),dtypenp.uint8)# 重塑为48x48的灰度图像矩阵image_matrixpixels_array.reshape(48,48)# 创建PIL图像对象并保存imgImage.fromarray(image_matrix,modeL)# L 表示灰度模式img.save(save_path)# 5. 遍历每一行数据生成图片forindex,rowindf.iterrows():emotion_labelrow[emotion]pixels_strrow[pixels]usagerow[Usage]# 为每张图片构建保存路径主目录/数据集划分/表情类别/img_save_diros.path.join(base_save_dir,usage,emotion_dict[emotion_label])ifnotos.path.exists(img_save_dir):os.makedirs(img_save_dir)# 构建图片文件名用索引命名以防重复img_save_pathos.path.join(img_save_dir,f{index:06d}.png)# 调用函数保存图片save_pixels_to_image(pixels_str,img_save_path)# 可选打印进度if(index1)%10000:print(f已处理{index1}张图片...)print(所有图片已成功生成)print(f图片保存至:{os.path.abspath(base_save_dir)})最终的目录结构如下应该是训练集、测试集、验证集FER2013_Images --PrivateTest 0: Angry, 1: Disgust, 2: Fear, 3: Happy, 4: Sad, 5: Surprise, 6: Neutral --PublicTest ... ... --Training ... ...