【深度学习】基于caffe的表情识别（二）：数据集介绍及处理

一、数据集介绍

    
在本实验中我采用的数据集是fer2013人脸表情数据集。fer2013，即
Kaggle facial expression recognition challenge dataset，是
目前较大的人脸表情识别公开数据库。

    该数据库
共包含35887张人脸图片，其中训练集28709张、验证集3589张、测试集3589张。数据库中的图片均为灰度图片，大小为48*48像素，样本被分为0=anger(生气)、1=disgust(厌恶)、2=fear(恐惧)、3=happy(开心)、4=sad(伤心)、5=surprised(惊讶)、6=normal(中性)七类，各种类型分布基本均匀。

    数据分布（训练集）：a
ngry：3995 、d
isgust：436 、
fear：4097 、
happy：7215 、
sad：4830 、
surprise：3171 、
normal：4965 

二、数据集处理

** 

1.下载数据集**

   
fer2013数据库实际为kaggle一个比赛项目提供的数据，官方给出的文件格式为csv，我手动将其转换成了图片格式，提供下面链接供大家下载。

    https://pan.baidu.com/s/1i6p40jb

   
下载完成后解压得到三个目录，分别是训练集、验证集和测试集的图片数据，每个目录下都有7个子目录，分别存储了7类不同表情的图片数据。

** 
2.准备数据**

   
首先我创建了一个名为faceR的文件夹，用来存放该实验用到的所有文件和数据，然后在该目录下创建了一个名为data的文件夹用来存放我们的数据集，并将刚刚下载的三个文件夹（训练集、验证集、测试集）放到data目录下。

  1）准备labels.txt文件，表示分类序号于分类对应关系
在data目录下创建一个空白文档，取名为labels.txt，并输入下面内容：

 
2）准备train.txt，
标明训练图片路径及其对应分类，路径和分类序号直接用空格分隔
在data目录下使用下面指令，可以使train目录下的7类训练集图片数据生成train.txt文件

1
2
3
4
5
6
7
8
9
1ls train/0 | sed "s:^:0/:" | sed "s:$: 0:" >> train.txt

2ls train/1 | sed "s:^:1/:" | sed "s:$: 1:" >> train.txt

3ls train/2 | sed "s:^:2/:" | sed "s:$: 2:" >> train.txt

4ls train/3 | sed "s:^:3/:" | sed "s:$: 3:" >> train.txt

5ls train/4 | sed "s:^:4/:" | sed "s:$: 4:" >> train.txt

6ls train/5 | sed "s:^:5/:" | sed "s:$: 5:" >> train.txt

7ls train/6 | sed "s:^:6/:" | sed "s:$: 6:" >> train.txt

8

9

    得到的train.txt文件（仅部分）：

  3）准备val.txt，
标明验证图片路径及其对应分类
同理，
在data目录下将指令修改为如下，可以使val目录下的7类训练集图片数据生成train.txt文件

1
2
3
4
5
6
7
8
1ls val/0 | sed "s:^:0/:" | sed "s:$: 0:" >> val.txt

2ls val/1 | sed "s:^:1/:" | sed "s:$: 1:" >> val.txt

3ls val/2 | sed "s:^:2/:" | sed "s:$: 2:" >> val.txt

4ls val/3 | sed "s:^:3/:" | sed "s:$: 3:" >> val.txt

5ls val/4 | sed "s:^:4/:" | sed "s:$: 4:" >> val.txt

6ls val/5 | sed "s:^:5/:" | sed "s:$: 5:" >> val.txt

7ls val/6 | sed "s:^:6/:" | sed "s:$: 6:" >> val.txt

8

    得到的val.txt文件（仅部分）：

  4）查看已准备的文件

** 
3.生成lmdb文件**

    lmdb是caffe使用的一种输入数据格式，在训练前，我们必须把图片转换成caffe支持的格式才能进行训练，caffe中提供了
create_imagenet.sh脚本，可以使图片转换为lmdb格式。
首先在faceR目录下创建一个文件夹，命名为lmbd。
将caffe/examples/Imagenet目录下的create_iamgenet.sh脚本拷贝到项目文件夹faceR的目录下，并修改其中的部分内容：

    执行create_iamgenet.sh脚本：

    查看生成的lmdb格式文件：

    完成！！！

** 

4.生成均值(mean_file)文件**

    可以用下面指令生成均值文件：

    查看均值文件：

    完成！！！

至此，数据集的处理工作已全部完成，下一篇文章将会介绍如何搭建用于表情识别的卷积神经网络模型。