基于OpenCV 和深度学习实现微笑检测-附免费源码

文末提供免费的源代码下载链接

我们将使用 SMILES 数据集来训练我们的卷积神经网络。一旦我们的模型训练完毕，我们将按照与上一个教程中相同的步骤来检测图像和视频中的微笑：

• 我们将使用 Haar 级联来检测图像中的人脸。
• 从图像中提取人脸区域。
• 将面部区域传递给我们的网络进行分类。
• 最后，我们将根据网络的输出，用文本“微笑”或“不微笑”来注释图像。

SMILES 数据集包含 13,165 张 64x64 像素的灰度图像，分为 2 个类别：微笑和不微笑。正好有 9,475 张 “不笑” 面孔的图像和 3,690 张“微笑”面孔的图像。数据集不平衡，这意味着图像分布不均匀。

处理不平衡数据集的常用技术是应用类权重 - 我们将在构建模型时了解如何做到这一点。