旋转人脸的表情识别技术研究的中期报告.docx

旋转人脸的表情识别技术研究的中期报告
摘要：
表情识别技术可以在很多领域有广泛的应用，但是传统的表情识别技术在旋转、遮挡等情况下容易失效。因此，在本研究中，我们提出了一种基于三维深度学习的旋转人脸表情识别技术。在中期阶段，我们已经完成了以下任务：
1.数据集的准备
我们使用了FER2013数据集进行训练和测试，该数据集包含了35787张照片，共分为7种表情。在使用该数据集时，我们遵循常规操作，将数据集分为训练集、测试集和验证集。我们对数据进行了预处理，并使用数据增强技术来增加样本数量。
2.三维深度学习模型的构建
我们使用了在自然语言处理领域广泛使用的Transformer模型，并对其进行修改，使其可以用于图像数据的处理。我们将2D图像转换为3D数据，并将其输入到Transformer模型中。该模型可以从3D数据中提取空间信息。
3.模型训练和评估
我们使用训练集对模型进行了训练，并使用验证集进行了模型调优。在测试集上进行测试，模型达到了83%的准确率。我们还使用了交叉验证和混淆矩阵等方法对模型进行了评估。
4.旋转人脸表情识别技术的实现
基于三维深度学习模型，我们实现了旋转人脸表情识别技术。该技术可以从不同角度识别人脸表情，具有很强的鲁棒性。
未来工作：
在接下来的工作中，我们将继续改进模型和算法，提高模型的表现力和准确率。我们也将探索如何将该技术应用于实际场景中，并在实验中进行验证。