phamquiluan/ResidualMaskingNetwork
ICPR 2020: Facial Expression Recognition using Residual Masking Network
解决的问题
该项目提供了一种面部表情识别（FER）和情感检测的前沿方法，旨在提高从图像和视频流中识别人类情感的准确性。
工作原理
该项目实现了残差掩码网络（RMN），一种专为情感检测设计的神经网络架构。它支持在 FER2013 和 ImageNet 等标准数据集上进行训练，并提供对单帧图像或实时网络摄像头输入的推理工具。为实现更高精度，还支持一种集成方法，通过无权重平均法融合七个不同模型的预测结果。
适用人群
对计算机视觉和情感 AI 感兴趣的开发者和研究人员，以及希望使用简单的 Python API 或客户端浏览器演示将情感检测集成到应用中的用户。
主要亮点
- 高精度：在 FER2013 数据集上优于多个基线模型（如 VGG19 和 ResNet）。
- 易于集成：可通过
pip install rmn安装，提供用于图像和视频检测的简单 API。 - 注重隐私的演示：包含一个 Hugging Face Space 演示，推理完全在客户端使用 ONNX Runtime Web 执行。
- 全面的基准测试：提供在 FER2013 和 ImageNet 数据集上的详细准确率结果。
相关
- 项目
- 项目
- 项目
- 项目
- Dispatch