用于表情识别的轻量级卷积神经网络
来自论文《Real-time Convolutional Neural Networks for Emotion and Gender Classification》
当然有官方的项目：oarriaga/face_classification
关于论文详解，可以移步博客：Real-time Convolutional Neural Networks for Emotion and Gender Classification--O Arriaga，需要重点关注的是：
论文中基于kera实现的，在fer2013数据集上达到了66%的精度。本文是基于Pytorch实现的，最高只能达到65%的精度。对于这1%~2%精度差异未找到原因，只能归结于框架的不同（不同框架之间的效果会有差异）。
我复现论文的总结，可以移步：Pytorch实现表情识别卷积神经网络网络：mini_Xception
使用命令：
pip install -r requirements.txt
如果太慢，可以加个清华源：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
下将链接中的train.csv和test.csv文件下载下来：数据集
然后在mini_Xception根目录创建dataset文件夹，将train.csv和test.csv文件放在dataset文件夹中即可
运行train.py脚本：
- num_epochs = 200
- log_step = 100 # 打印info的间隔步数
- num_workers = 16 # 线程数
运行eval.py脚本，会计算出测试集的精度和loss，并且显示出混淆矩阵，并保存为图片。
测试单幅图像，运行frame.py脚本 摄像头实时预测，运行video.py脚本
- 出现“BrokenPipeError: [Errno 32] Broken pipe”，把线程数num_workers=0即可。