面部表情识别 基于CNN的人脸表情识别系统 主要功能： 1）图片识别可以通过上传本地图片，进行表情识别2）拍摄识别点击快照识别按钮，可以调用摄像头实现拍摄，并进行表情识别 实现原理： 1，表情库的建立 fer2013人脸数据集，可以从kaggle网站上下载 2，表情识别： （1）图像获取：通过摄像头等图像捕捉工具获取静态图像或动态图像序列。 （2）图像预处理：图像的大小和灰度的归一化，头部姿态的矫正，图像分割等。 目的:改善图像质量，消除噪声，统一图像灰度值及尺寸，为后序特征提取和分

面部表情识别 项目概况 该项目的目的是根据人们的面部图像对他们的情绪进行分类。 项目分为两部分，合并后输出：1.面部关键点检测模型2.面部表情检测模型 模型1：重点脸部检测 数据集来源： 如何？ 数据集包含15个面部关键点的x和y坐标输入图像->训练过的关键面部点->检测器模型 模型2：面部表情检测 该模型将人们的情绪分类。 数据包含属于五类的图像： 0->生气 1->厌恶 2->悲伤 3->快乐 4->惊喜 数据集来源： 如何？ 方法流程

情绪检测器（计算机视觉，带有TensorFlow Fun项目的DeepLearning :)） 描述 该项目的目的是实时识别和检测不同的用户面部表情。 我使用了来自Kaggle的数据来训练模型。 您可以在以下链接中找到数据 https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data 安装 在Ubuntu上 如果没有，将python 3设置为默

餐点数据聚类 在该项目中，我们将使用一种称为聚类的无监督机器学习技术。 目的是根据每餐中碳水化合物的含量对餐数据进行聚类。 目录 项目结构概述 ├── Facial Expression Recognition Deep Learning | ├── dataset - this folder contains training & testing data. | │ ├── PrivateTest_data_images.npy | | ├── PublicT