FERPlus 项目使用教程

1. 项目目录结构及介绍

FERPlus 项目的目录结构如下：

FERPlus/
├── data/
│   ├── FER2013Test/
│   ├── FER2013Train/
│   └── FER2013Valid/
├── src/
│   ├── train.py
│   └── generate_training_data.py
├── FER+vsFER.png
├── LICENSE.md
├── README.md
├── SECURITY.md
└── fer2013new.csv

目录结构介绍

• data/: 包含训练、验证和测试数据集的目录。

  • FER2013Test/: 测试数据集的标签文件。
  • FER2013Train/: 训练数据集的标签文件。
  • FER2013Valid/: 验证数据集的标签文件。

• src/: 包含项目的源代码。

  • train.py: 训练脚本，支持多种训练模式。
  • generate_training_data.py: 生成训练数据的脚本。

• FER+vsFER.png: FER 和 FER+ 标签对比的图片。

• LICENSE.md: 项目的许可证文件。

• README.md: 项目的介绍和使用说明。

• SECURITY.md: 项目的安全策略文件。

• fer2013new.csv: 新的 FER+ 标签文件。

2. 项目启动文件介绍

train.py

train.py 是 FERPlus 项目的主要启动文件，用于训练情感识别模型。该脚本支持多种训练模式，包括多数投票模式、概率模式、交叉熵模式和多目标模式。

使用方法

# 多数投票模式
python train.py -d <dataset base folder> -m majority

# 概率模式
python train.py -d <dataset base folder> -m probability

# 交叉熵模式
python train.py -d <dataset base folder> -m crossentropy

# 多目标模式
python train.py -d <dataset base folder> -m multi_target

generate_training_data.py

generate_training_data.py 用于生成训练数据。该脚本将 fer2013.csv 和 fer2013new.csv 合并，并将所有图像导出为 PNG 文件，供训练器处理。

使用方法

python generate_training_data.py -d <dataset base folder> -fer <fer2013.csv path> -ferplus <fer2013new.csv path>

3. 项目的配置文件介绍

fer2013new.csv

fer2013new.csv 是 FER+ 项目的主要配置文件，包含了新的情感标签。每张图像都有 10 个众包标注者提供的标签，提供了比原始 FER 标签更高质量的情感标签。

文件格式

usage, neutral, happiness, surprise, sadness, anger, disgust, fear, contempt, unknown, NF

• usage: 区分训练、公共测试和私有测试集的标签。
• neutral, happiness, surprise, sadness, anger, disgust, fear, contempt, unknown, NF: 每种情感的投票数，包括 unknown 和 NF（Not a Face）。

README.md

README.md 文件包含了项目的详细介绍、使用说明和相关资源链接。建议在开始使用项目之前仔细阅读该文件。

LICENSE.md

LICENSE.md 文件描述了项目的许可证信息，确保用户了解在使用该项目时的法律义务。

SECURITY.md

SECURITY.md 文件提供了项目的安全策略和报告安全问题的指南。