[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-amineHorseman--facial-expression-recognition-using-cnn":3,"tool-amineHorseman--facial-expression-recognition-using-cnn":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":77,"owner_twitter":79,"owner_website":77,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":10,"env_os":90,"env_gpu":91,"env_ram":91,"env_deps":92,"category_tags":106,"github_topics":107,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":120,"updated_at":121,"faqs":122,"releases":153},4961,"amineHorseman\u002Ffacial-expression-recognition-using-cnn","facial-expression-recognition-using-cnn","Deep facial expressions recognition using Opencv and Tensorflow. Recognizing facial expressions from images or camera stream","facial-expression-recognition-using-cnn 是一个基于深度学习的面部表情识别开源项目，利用 OpenCV 和 TensorFlow 构建卷积神经网络（CNN），能够从静态图片或实时摄像头视频流中精准识别人脸情绪。\n\n该项目主要解决了在复杂现实场景下表情分类的难题。它使用的 Fer2013 数据集存在图像未对齐、标签错误及部分样本不含人脸等挑战，对模型的泛化能力和鲁棒性提出了极高要求。为了突破仅靠原始像素训练的局限，该工具创新性地融合了人脸关键点（Face Landmarks）和方向梯度直方图（HOG）特征作为额外输入信息。实验数据表明，这种多特征融合策略显著提升了识别准确率，其中深层卷积架构配合滑动窗口技术最高可达 75.1% 的精度，优于传统支持向量机（SVM）方法。\n\n此工具非常适合人工智能开发者、计算机视觉研究人员以及希望探索情感计算应用的学生使用。它不仅提供了完整的模型训练、超参数优化及评估流程，还包含了从数据预处理到实时推理的详细代码示例。对于想要深入理解如何通过结合几何特征与纹理特征来优化 CNN 性能的技术人员来说，这是一个极具参考价值","facial-expression-recognition-using-cnn 是一个基于深度学习的面部表情识别开源项目，利用 OpenCV 和 TensorFlow 构建卷积神经网络（CNN），能够从静态图片或实时摄像头视频流中精准识别人脸情绪。\n\n该项目主要解决了在复杂现实场景下表情分类的难题。它使用的 Fer2013 数据集存在图像未对齐、标签错误及部分样本不含人脸等挑战，对模型的泛化能力和鲁棒性提出了极高要求。为了突破仅靠原始像素训练的局限，该工具创新性地融合了人脸关键点（Face Landmarks）和方向梯度直方图（HOG）特征作为额外输入信息。实验数据表明，这种多特征融合策略显著提升了识别准确率，其中深层卷积架构配合滑动窗口技术最高可达 75.1% 的精度，优于传统支持向量机（SVM）方法。\n\n此工具非常适合人工智能开发者、计算机视觉研究人员以及希望探索情感计算应用的学生使用。它不仅提供了完整的模型训练、超参数优化及评估流程，还包含了从数据预处理到实时推理的详细代码示例。对于想要深入理解如何通过结合几何特征与纹理特征来优化 CNN 性能的技术人员来说，这是一个极具参考价值的基准项目。","\n# Facial expression recognition using CNN in Tensorflow\n\nUsing a Convolutional Neural Network (CNN) to recognize facial expressions from images or video\u002Fcamera stream.\n\n## Table of contents\n\n[1. Motivation](#motivation)\n\n[2. Why is Fer2013 challenging?](#fer2013)\n\n[3. Classification results](#results)\n\n[4. How to use?](#how-to-use) \n- [Install the dependeciens](#install)\n- [Download and prepare the data](#data)\n- [Train the model](#train)\n- [Optimize the hyperparameters](#optimize)\n- [Evaluate a trained model](#evaluate)\n- [Recognizing facial expressions from an image file](#recognize-image)\n- [Recognizing facial expressions in real time from video\u002Fcamera](#recognize-video)\n\n[5. Contributing](#contrib)\n\n\u003Cbr \u002F>\n\n# \u003Ca name=\"motivation\">1. Motivation\u003C\u002Fa>\n\nThe goal is to get a quick baseline to compare if the CNN architecture performs better when it uses only the raw pixels of images for training, or if it's better to feed some extra information to the CNN (such as face landmarks or HOG features). The results show that the extra information helps the CNN to perform better.\n\nTo train the model, we used Fer2013 datset that contains 30,000 images of facial expressions grouped in seven categories: Angry, Disgust, Fear, Happy, Sad, Surprise and Neutral.\n\nThe faces are first detected using opencv, then we extract the face landmarks using dlib. We also extracted the HOG features and we input the raw image data with the face landmarks+hog into a convolutional neural network.\n\nFor our experiments, we used 2 CNN models:\n\n![Model's architecture](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FamineHorseman_facial-expression-recognition-using-cnn_readme_7ca3a849d725.png)\n\n\n# \u003Ca name=\"fer2013\">2. Why is Fer2013 challenging?\u003C\u002Fa>\n\nFer2013 is a challenging dataset. The images are not aligned and some of them are uncorrectly labeled as we can see from the following images. Moreover, some samples do not contain faces. \n\n![Fer2013 incorrect labeled images](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FamineHorseman_facial-expression-recognition-using-cnn_readme_513418e7522e.png)\n\n![Fer2013 strange samples](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FamineHorseman_facial-expression-recognition-using-cnn_readme_a1af612fa846.png)\n\nThis makes the classification harder because the model have to generalize well and be robust to incorrect data. The best accuracy results obtained on this dataset, as far as I know, is 75.2% described in this paper: \n[[Facial Expression Recognition using Convolutional Neural Networks: State of the Art, Pramerdorfer & al. 2016]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1612.02903)\n\n\n# \u003Ca name=\"results\">3. Classification Results (training on 5 expressions)\u003C\u002Fa>\n\n|       Experiments                            |    SVM    | Model A  |  Model B  |  Difference |\n|----------------------------------------------|-----------|----------|-----------|-------------|\n| CNN (on raw pixels)                          |   -----   |   72.4%  |   73.5%   |    +1.1%    |\n| CNN + Face landmarks                         |   46.9%   |   **73.5%**  |   74.4%   |    +0.9%    |\n| CNN + Face landmarks + HOG                   |   55.0%   |   68.7%  |   73.2%   |    +4.5%    |\n| CNN + Face landmarks + HOG + sliding window  |   **59.4%**   |   71.4%  |   **75.1%**   |    +3.7%    |  \n\nAs expected:\n- The CNN models gives better results than the SVM (You can find the code for the SVM implmentation in the following repository: [Facial Expressions Recognition using SVM](https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-svm))\n- Combining more features such as Face Landmarks and HOG, improves *slightly* the accuray.\n- Since the CNN Model B uses deep convolutions, it gives better results on all experiments (up to 4.5%).\n\nIt's interesting to note that using HOG features in the CNN Model A decreased the results compared to using only the RAW data. This may be caused by an overfitting or a failure to extract the coorelation between the information.\n\nIn the following table, we can see the effects of the batch normalization on improving the results:\n\n|   Batch norm effects                         |  on Model A  |  on Model B  |\n|----------------------------------------------|--------------|--------------|\n| CNN (on raw pixels)                          |     +7.4%    |    +39.3%    |\n| CNN + Face landmarks                         |    +26.2%    |    +50.0%    |\n| CNN + Face landmarks + HOG                   |     +1.9%    |    +50.1%    |\n| CNN + Face landmarks + HOG + sliding window  |    +16.7%    |    +16.9%    |\n\nIn the previous experiments, I used only 5 expressions for the training: Angry, Happy, Sad, Surprise and Neutral.\n\nThe accuracy using the best model trained on the whole dataset (7 emotions) dropped to 61.4%. \nThe state of the art results obtained on this dataset, as far as I know, is 75.2% described in [this paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1612.02903).\n\n\nNote: the code was tested in python 2.7 and 3.6.\n\n# \u003Ca name=\"how-to-use\">4. HOW TO USE?\u003C\u002Fa>\n\n## \u003Ca name=\"install\">4.1. Install dependencies\u003C\u002Fa>\n\n- Tensorflow\n- Tflearn\n- Numpy\n- Argparse\n- [optional] Hyperopt + pymongo + networkx\n- [optional] dlib, imutils, opencv 3\n- [optional] scipy, pandas, skimage\n\nBetter to use anaconda environemnt to easily install the dependencies (especially opencv and dlib)\n\n## \u003Ca name=\"data\">4.2. Download and prepare the data\u003C\u002Fa>\n\n1. Download Fer2013 dataset and the Face Landmarks model\n\n    - [Kaggle Fer2013 challenge](https:\u002F\u002Fwww.kaggle.com\u002Fc\u002Fchallenges-in-representation-learning-facial-expression-recognition-challenge\u002Fdata)\n    - [Dlib Shape Predictor model](http:\u002F\u002Fdlib.net\u002Ffiles\u002Fshape_predictor_68_face_landmarks.dat.bz2)\n\n2. Unzip the downloaded files\n\n    And put the files `fer2013.csv` and `shape_predictor_68_face_landmarks.dat` in the root folder of this package.\n\n3. Convert the dataset to extract Face Landmarks and HOG Features\n    ```\n    python convert_fer2013_to_images_and_landmarks.py\n    ```\n    \n    You can also use these optional arguments according to your needs:\n    - `-j`, `--jpg` (yes|no): **save images as .jpg files (default=no)**\n    - `-l`, `--landmarks` *(yes|no)*: **extract Dlib Face landmarks (default=yes)**\n    - `-ho`, `--hog` (yes|no): **extract HOG features (default=yes)**\n    - `-hw`, `--hog_windows` (yes|no): **extract HOG features using a sliding window (default=yes)**\n    - `-hi`, `--hog_images` (yes|no): **extract HOG images (default=no)**\n    - `-o`, `--onehot` (yes|no): **one hot encoding (default=yes)**\n    - `-e`, `--expressions` (list of numbers): **choose the faciale expression you want to use: *0=Angry, 1=Disgust, 2=Fear, 3=Happy, 4=Sad, 5=Surprise, 6=Neutral* (default=0,1,2,3,4,5,6)**\n\n    Examples:\n    ```\n    python convert_fer2013_to_images_and_landmarks.py\n    python convert_fer2013_to_images_and_landmarks.py --landmarks=yes --hog=no --how_windows=no --jpg=no --expressions=1,4,6\n    ```\n    The script will create a folder with the data prepared and saved as numpy arrays.\n    Make sure the `--onehot` argument set to `yes` (default value)\n\n## \u003Ca name=\"train\">4.3. Train the model\u003C\u002Fa>\n1. Choose your parameters in 'parameters.py'\n\n2. Launch training:\n\n```\npython train.py --train=yes\n```\n\nThe variable `output_size` in parameters.py (line 20), should correspond to the number of facial expressions you want to train on. By default it is set to 7 expressions.\n\n3. Train and evaluate:\n\n```\npython train.py --train=yes --evaluate=yes\n```\n\nN.B: make sure the parameter \"save_model\" (in parameters.py) is set to True if you want to train and evaluate\n\n## \u003Ca name=\"optimize\">4.4. Optimize training hyperparameters\u003C\u002Fa>\n1. For this section, you'll need to install first these optional dependencies:\n```\npip install hyperopt, pymongo, networkx\n```\n\n2. Lunch the hyperparamets search:\n```\npython optimize_hyperparams.py --max_evals=20\n```\n\n3. You should then retrain your model with the best parameters\n\nN.B: the accuracies displayed are for validation_set only (not test_set)\n\n## \u003Ca name=\"evaluate\">4.5. Evaluate a trained model (calculating test accuracy)\u003C\u002Fa>\n\n1. Modify 'parameters.py':\n \nSet \"save_model_path\" parameter to the path of your pretrained file.\n\n2. Launch evaluation on test_set:\n\n```\npython train.py --evaluate=yes\n```\n\n## \u003Ca name=\"recognize-image\">4.6. Recognizing facial expressions from an image file\u003C\u002Fa>\n\n1. For this section you will need to install `dlib` and `opencv 3` dependencies\n\n2. Modify 'parameters.py':\n\nSet \"save_model_path\" parameter to the path of your pretrained file\n\n3. Predict emotions from a file\n\n```\npython predict.py --image path\u002Fto\u002Fimage.jpg\n```\n\n## \u003Ca name=\"recognize-video\">4.7. Recognizing facial expressions in real time from video\u003C\u002Fa>\n\n1. For this section you will need to install `dlib`, `imutils` and `opencv 3` dependencies\n\n2. Modify 'parameters.py':\n\nSet \"save_model_path\" parameter to the path of your pretrained file\n\n3. Predict emotions from a file\n\n```\npython predict-from-video.py\n```\nA window will appear with a box around the face and the predicted expression.\nPress 'q' key to stop.\n\nN.B: If you changed the number of expressions while training the model (default 7 expressions), please update the emotions array in `parameters.py` line 51.\n\n\n# \u003Ca name=\"contrib\">5. Contributing\u003C\u002Fa>\n\nSome ideas for interessted contributors:\n- Automatically downloading the data\n- Adding data augmentation?\n- Adding other features extraction techniques?\n- Improving the models\n\nFeel free to add or suggest more ideas.\nPlease report any bug in the [issues section](https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-using-cnn\u002Fissues).\n","# 使用 TensorFlow 中的 CNN 进行面部表情识别\n\n使用卷积神经网络（CNN）从图像或视频\u002F摄像头流中识别面部表情。\n\n## 目录\n\n[1. 动机](#motivation)\n\n[2. 为什么 Fer2013 数据集具有挑战性？](#fer2013)\n\n[3. 分类结果](#results)\n\n[4. 如何使用？](#how-to-use) \n- [安装依赖项](#install)\n- [下载并准备数据](#data)\n- [训练模型](#train)\n- [优化超参数](#optimize)\n- [评估训练好的模型](#evaluate)\n- [从图像文件中识别面部表情](#recognize-image)\n- [从视频\u002F摄像头中实时识别面部表情](#recognize-video)\n\n[5. 贡献](#contrib)\n\n\u003Cbr \u002F>\n\n# \u003Ca name=\"motivation\">1. 动机\u003C\u002Fa>\n\n我们的目标是建立一个快速基准，以比较仅使用图像的原始像素进行训练的 CNN 架构是否表现更好，或者向 CNN 输入一些额外信息（如人脸关键点或 HOG 特征）是否会带来更好的效果。结果表明，额外的信息确实有助于提高 CNN 的性能。\n\n为了训练模型，我们使用了 Fer2013 数据集，该数据集包含 30,000 张面部表情图像，分为七类：愤怒、厌恶、恐惧、快乐、悲伤、惊讶和 neutral。 \n\n首先使用 OpenCV 检测人脸，然后使用 dlib 提取人脸关键点。此外，我们还提取了 HOG 特征，并将原始图像数据与人脸关键点和 HOG 特征一起输入到卷积神经网络中。\n\n在实验中，我们使用了两个 CNN 模型：\n\n![模型架构](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FamineHorseman_facial-expression-recognition-using-cnn_readme_7ca3a849d725.png)\n\n\n# \u003Ca name=\"fer2013\">2. 为什么 Fer2013 数据集具有挑战性？\u003C\u002Fa>\n\nFer2013 是一个具有挑战性的数据集。图像未对齐，且部分图像标签不正确，如下所示。此外，还有一些样本中并不包含人脸。\n\n![Fer2013 标签错误的图像](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FamineHorseman_facial-expression-recognition-using-cnn_readme_513418e7522e.png)\n\n![Fer2013 奇怪的样本](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FamineHorseman_facial-expression-recognition-using-cnn_readme_a1af612fa846.png)\n\n这使得分类任务更加困难，因为模型必须具备良好的泛化能力和对错误数据的鲁棒性。据我所知，在该数据集上取得的最佳准确率是 75.2%，如这篇论文所述：\n[[使用卷积神经网络进行面部表情识别：最新进展，Pramerdorfer 等人，2016]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1612.02903)\n\n\n# \u003Ca name=\"results\">3. 分类结果（基于 5 种表情的训练）\u003C\u002Fa>\n\n|       实验                            |    SVM    | Model A  |  Model B  |  差异 |\n|----------------------------------------------|-----------|----------|-----------|-------------|\n| CNN（基于原始像素）                          |   -----   |   72.4%  |   73.5%   |    +1.1%    |\n| CNN + 人脸关键点                         |   46.9%   |   **73.5%**  |   74.4%   |    +0.9%    |\n| CNN + 人脸关键点 + HOG                   |   55.0%   |   68.7%  |   73.2%   |    +4.5%    |\n| CNN + 人脸关键点 + HOG + 滑动窗口  |   **59.4%**   |   71.4%  |   **75.1%**   |    +3.7%    |  \n\n正如预期：\n- CNN 模型的表现优于 SVM（SVM 的实现代码可在以下仓库中找到：[使用 SVM 进行面部表情识别](https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-svm)）\n- 结合更多特征，例如人脸关键点和 HOG，可以*略微*提高准确率。\n- 由于 CNN Model B 使用了深层卷积，因此在所有实验中都取得了更好的结果（最高可提升 4.5%）。\n\n值得注意的是，在 CNN Model A 中使用 HOG 特征反而降低了结果，相比仅使用原始数据而言。这可能是由于过拟合或未能有效提取信息之间的相关性所致。\n\n在下表中，我们可以看到批量归一化对提升结果的影响：\n\n|   批量归一化效果                         |  on Model A  |  on Model B  |\n|----------------------------------------------|--------------|--------------|\n| CNN（基于原始像素）                          |     +7.4%    |    +39.3%    |\n| CNN + 人脸关键点                         |    +26.2%    |    +50.0%    |\n| CNN + 人脸关键点 + HOG                   |     +1.9%    |    +50.1%    |\n| CNN + 人脸关键点 + HOG + 滑动窗口  |    +16.7%    |    +16.9%    |\n\n在之前的实验中，我仅使用 5 种表情进行训练：愤怒、快乐、悲伤、惊讶和 neutral。\n\n使用最佳模型在整个数据集（7 种情绪）上训练后，准确率降至 61.4%。据我所知，在该数据集上取得的最先进结果是 75.2%，如[这篇论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1612.02903)所述。\n\n\n注意：代码已在 Python 2.7 和 3.6 中测试通过。\n\n# \u003Ca name=\"how-to-use\">4. 如何使用？\u003C\u002Fa>\n\n## \u003Ca name=\"install\">4.1. 安装依赖项\u003C\u002Fa>\n\n- Tensorflow\n- Tflearn\n- Numpy\n- Argparse\n- [可选] Hyperopt + pymongo + networkx\n- [可选] dlib、imutils、OpenCV 3\n- [可选] scipy、pandas、skimage\n\n建议使用 Anaconda 环境来更方便地安装依赖项（尤其是 OpenCV 和 dlib）。\n\n## \u003Ca name=\"data\">4.2. 下载并准备数据\u003C\u002Fa>\n\n1. 下载 Fer2013 数据集和人脸关键点模型\n\n    - [Kaggle Fer2013 挑战赛](https:\u002F\u002Fwww.kaggle.com\u002Fc\u002Fchallenges-in-representation-learning-facial-expression-recognition-challenge\u002Fdata)\n    - [Dlib Shape Predictor 模型](http:\u002F\u002Fdlib.net\u002Ffiles\u002Fshape_predictor_68_face_landmarks.dat.bz2)\n\n2. 解压下载的文件\n\n    将 `fer2013.csv` 和 `shape_predictor_68_face_landmarks.dat` 文件放入本项目的根目录。\n\n3. 转换数据集以提取人脸关键点和 HOG 特征\n    ```\n    python convert_fer2013_to_images_and_landmarks.py\n    ```\n    \n    您也可以根据需要使用以下可选参数：\n    - `-j`, `--jpg` (yes|no): **将图像保存为 .jpg 文件（默认为 no）**\n    - `-l`, `--landmarks` *(yes|no)*: **提取 Dlib 人脸关键点（默认为 yes）**\n    - `-ho`, `--hog` (yes|no): **提取 HOG 特征（默认为 yes）**\n    - `-hw`, `--hog_windows` (yes|no): **使用滑动窗口提取 HOG 特征（默认为 yes）**\n    - `-hi`, `--hog_images` (yes|no): **提取 HOG 图像（默认为 no）**\n    - `-o`, `--onehot` (yes|no): **进行独热编码（默认为 yes）**\n    - `-e`, `--expressions` (数字列表): **选择要使用的面部表情：*0=愤怒，1=厌恶，2=恐惧，3=快乐，4=悲伤，5=惊讶，6=neutral*（默认为 0,1,2,3,4,5,6）**\n\n    示例：\n    ```\n    python convert_fer2013_to_images_and_landmarks.py\n    python convert_fer2013_to_images_and_landmarks.py --landmarks=yes --hog=no --how_windows=no --jpg=no --expressions=1,4,6\n    ```\n    脚本将创建一个文件夹，其中包含已准备好的数据，并以 numpy 数组的形式保存。\n    请确保 `--onehot` 参数设置为 `yes`（默认值）。\n\n## \u003Ca name=\"train\">4.3. 训练模型\u003C\u002Fa>\n1. 在 `parameters.py` 中选择你的参数。\n\n2. 启动训练：\n\n```\npython train.py --train=yes\n```\n\n`parameters.py` 文件中第 20 行的变量 `output_size` 应与你希望训练的人脸表情数量相对应。默认设置为 7 种表情。\n\n3. 训练并评估：\n\n```\npython train.py --train=yes --evaluate=yes\n```\n\n注意：如果你想同时进行训练和评估，请确保将 `parameters.py` 中的 `save_model` 参数设置为 `True`。\n\n## \u003Ca name=\"optimize\">4.4. 优化训练超参数\u003C\u002Fa>\n1. 对于本节，你需要先安装以下可选依赖项：\n```\npip install hyperopt, pymongo, networkx\n```\n\n2. 启动超参数搜索：\n```\npython optimize_hyperparams.py --max_evals=20\n```\n\n3. 随后，你应该使用最佳参数重新训练模型。\n\n注意：显示的准确率仅适用于验证集，不包括测试集。\n\n## \u003Ca name=\"evaluate\">4.5. 评估已训练模型（计算测试准确率）\u003C\u002Fa>\n\n1. 修改 `parameters.py`：\n\n将 `save_model_path` 参数设置为你预训练模型文件的路径。\n\n2. 在测试集上启动评估：\n\n```\npython train.py --evaluate=yes\n```\n\n## \u003Ca name=\"recognize-image\">4.6. 从图像文件中识别人脸表情\u003C\u002Fa>\n\n1. 对于本节，你需要安装 `dlib` 和 `opencv 3` 依赖项。\n\n2. 修改 `parameters.py`：\n\n将 `save_model_path` 参数设置为你预训练模型文件的路径。\n\n3. 从文件中预测情绪：\n\n```\npython predict.py --image path\u002Fto\u002Fimage.jpg\n```\n\n## \u003Ca name=\"recognize-video\">4.7. 从视频中实时识别人脸表情\u003C\u002Fa>\n\n1. 对于本节，你需要安装 `dlib`、`imutils` 和 `opencv 3` 依赖项。\n\n2. 修改 `parameters.py`：\n\n将 `save_model_path` 参数设置为你预训练模型文件的路径。\n\n3. 从视频中预测情绪：\n\n```\npython predict-from-video.py\n```\n\n此时会弹出一个窗口，其中包含人脸框以及预测的表情。按 `q` 键即可停止。\n\n注意：如果你在训练模型时更改了表情的数量（默认为 7 种），请务必更新 `parameters.py` 第 51 行的情绪数组。\n\n# \u003Ca name=\"contrib\">5. 贡献\u003C\u002Fa>\n\n对感兴趣的贡献者的一些建议：\n- 自动下载数据\n- 添加数据增强？\n- 引入其他特征提取技术？\n- 改进模型\n\n欢迎添加或提出更多想法。如发现任何问题，请在 [issues 页面](https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-using-cnn\u002Fissues)中提交报告。","# facial-expression-recognition-using-cnn 快速上手指南\n\n本项目基于 TensorFlow 和 CNN（卷积神经网络）实现面部表情识别，支持从静态图片或视频流中识别愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性七种表情。\n\n## 1. 环境准备\n\n### 系统要求\n- **Python**: 推荐 Python 3.6 (兼容 2.7)\n- **操作系统**: Linux \u002F macOS \u002F Windows\n\n### 前置依赖\n建议安装 **Anaconda** 以简化复杂依赖（如 OpenCV 和 dlib）的管理。\n\n核心依赖：\n- Tensorflow\n- Tflearn\n- Numpy\n- Argparse\n\n可选依赖（用于特征提取和超参数优化）：\n- Hyperopt, pymongo, networkx\n- dlib, imutils, opencv 3\n- scipy, pandas, skimage\n\n> **国内加速提示**：安装 Python 包时建议使用清华或阿里镜像源，例如：\n> `pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple \u003Cpackage_name>`\n\n## 2. 安装步骤\n\n### 2.1 安装依赖库\n使用 pip 安装基础依赖：\n```bash\npip install tensorflow tflearn numpy argparse\n```\n\n若需使用人脸关键点检测和视频实时识别，请安装额外依赖：\n```bash\npip install dlib imutils opencv-python scipy pandas scikit-image\n# 如需超参数优化\npip install hyperopt pymongo networkx\n```\n\n### 2.2 下载并准备数据\n1. **下载数据集与模型文件**：\n   - [Kaggle Fer2013 数据集](https:\u002F\u002Fwww.kaggle.com\u002Fc\u002Fchallenges-in-representation-learning-facial-expression-recognition-challenge\u002Fdata) (需登录)\n   - [Dlib 人脸关键点模型 (shape_predictor_68_face_landmarks.dat)](http:\u002F\u002Fdlib.net\u002Ffiles\u002Fshape_predictor_68_face_landmarks.dat.bz2)\n\n2. **放置文件**：\n   将下载后的 `fer2013.csv` 和解压后的 `shape_predictor_68_face_landmarks.dat` 放入项目根目录。\n\n3. **数据预处理**：\n   运行脚本提取人脸关键点 (Landmarks) 和 HOG 特征，并转换为 numpy 数组：\n   ```bash\n   python convert_fer2013_to_images_and_landmarks.py\n   ```\n   *注：默认会处理所有 7 种表情并保存为 one-hot 编码。如需自定义表情类别或特征提取方式，可添加 `--expressions`, `--landmarks`, `--hog` 等参数。*\n\n## 3. 基本使用\n\n### 3.1 训练模型\n1. **配置参数**：\n   打开 `parameters.py`，确保 `output_size` 与你训练的表情数量一致（默认为 7），并将 `save_model` 设为 `True`。\n\n2. **开始训练**：\n   ```bash\n   python train.py --train=yes\n   ```\n\n3. **训练并评估**：\n   ```bash\n   python train.py --train=yes --evaluate=yes\n   ```\n\n### 3.2 识别静态图片\n确保已在 `parameters.py` 中设置 `save_model_path` 指向训练好的模型文件路径。\n\n运行预测命令：\n```bash\npython predict.py --image path\u002Fto\u002Fimage.jpg\n```\n*替换 `path\u002Fto\u002Fimage.jpg` 为你的实际图片路径。*\n\n### 3.3 实时视频\u002F摄像头识别\n确保已安装 `dlib`, `imutils` 和 `opencv`，并在 `parameters.py` 中正确配置模型路径。\n\n运行实时识别脚本：\n```bash\npython predict-from-video.py\n```\n程序将弹出窗口，实时框选人脸并显示预测表情。按 **'q'** 键退出。\n\n> **注意**：如果你训练时使用的表情数量不是默认的 7 种，请务必修改 `parameters.py` 第 51 行的 `emotions` 数组以匹配你的模型。","某在线教育平台的技术团队正在开发一套\"AI 课堂专注度分析系统”，旨在通过摄像头实时捕捉学生上课时的面部表情，以评估教学效果和学生情绪状态。\n\n### 没有 facial-expression-recognition-using-cnn 时\n- **开发门槛高且周期长**：团队需从零构建卷积神经网络架构，并手动处理 FER2013 数据集中大量未对齐、标签错误甚至不含人脸的噪声数据，耗时数周难以产出可用模型。\n- **识别准确率遭遇瓶颈**：仅依靠原始像素训练的传统模型泛化能力弱，在面对复杂光线或侧脸时，对愤怒、恐惧等细微表情的识别率远低于预期的 75%，无法满足商业交付标准。\n- **缺乏实时推理能力**：现有方案多基于静态图片分析，难以整合 OpenCV 与 TensorFlow 实现低延迟的视频流处理，导致无法在直播课中提供即时的情绪反馈。\n- **特征工程单一**：未能有效融合人脸关键点（Face Landmarks）和方向梯度直方图（HOG）等辅助特征，错失了提升模型鲁棒性的关键机会。\n\n### 使用 facial-expression-recognition-using-cnn 后\n- **快速建立高质量基线**：直接复用项目中经过验证的 CNN Model B 架构及数据预处理流程，自动处理脏数据并将基准准确率提升至 75% 以上，将研发周期从数周缩短至几天。\n- **多特征融合提升精度**：利用工具内置的关键点与 HOG 特征提取模块，显著增强了模型对遮挡和姿态变化的抵抗力，使“惊喜”、“厌恶”等难分类别识别效果大幅改善。\n- **原生支持实时视频流**：基于 OpenCV 的集成方案可直接对接摄像头数据流，实现了毫秒级的表情检测与分类，让教师端能实时看到全班的情绪热力图。\n- **灵活的实验对比机制**：团队可轻松切换不同配置（如是否加入滑动窗口或批归一化），快速验证哪种特征组合最适合当前具体的教室监控场景。\n\nfacial-expression-recognition-using-cnn 通过提供成熟的深度学习基线与多特征融合策略，帮助团队以最低成本突破了复杂场景下实时表情识别的技术瓶颈。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FamineHorseman_facial-expression-recognition-using-cnn_513418e7.png","amineHorseman","Amine","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FamineHorseman_626c1d1a.jpg","Software Engineer Python \u002F C++ | \r\nPhD in AI & Robotics | \r\n#Python #ROS #C++ #JavaScript #Tensorflow #Keras #Arduino",null,"Lille","AmineHorseman","https:\u002F\u002Fgithub.com\u002FamineHorseman",[82],{"name":83,"color":84,"percentage":85},"Python","#3572A5",100,513,142,"2026-03-25T08:06:56","GPL-3.0","","未说明",{"notes":93,"python":94,"dependencies":95},"建议使用 Anaconda 环境来轻松安装依赖（特别是 opencv 和 dlib）。该项目基于较旧的 TensorFlow 和 TFLearn 构建，代码已在 Python 2.7 和 3.6 上测试。若需进行超参数优化或实时视频识别，需安装额外的可选依赖库。","2.7, 3.6",[96,97,98,99,100,101,102,103,104,105],"tensorflow","tflearn","numpy","argparse","opencv-python (可选，建议版本 3)","dlib (可选)","imutils (可选)","hyperopt (可选)","pymongo (可选)","networkx (可选)",[15,14],[108,109,110,111,112,113,97,96,114,115,116,117,118,119],"cnn","cnn-classification","machine-learning","deep-learning","facial-expression-recognition","facial-landmarks","fer2013","opencv","python","hog-features","images","image-classification","2026-03-27T02:49:30.150509","2026-04-11T16:57:59.849671",[123,128,133,138,143,148],{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},22536,"训练或预测时出现 'ValueError: Cannot feed value of shape' 错误怎么办？","该错误通常是因为输入数据的形状与模型预期的输出形状不匹配（例如预期是 5 类情绪，但数据形状不对）。请检查以下几点：\n1. 确认在 `convert_fer2013_to_images_and_landmarks.py` 中设置了正确的标签和数量：\n   - `SELECTED_LABELS = [0,3,4,5,6]` (对应 5 种情绪)\n   - `IMAGES_PER_LABEL = 999999` (使用所有可用数据)\n2. 确保 `parameter.py` 文件中的输出大小设置正确：`output_size = 5`。\n3. 如果是预测时报错，请检查输入图片的处理流程是否正确生成了符合模型要求的张量形状。","https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-using-cnn\u002Fissues\u002F1",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},22537,"为什么模型的识别准确率只有 41% 左右，如何提高准确率？","默认配置下可能只使用了少量数据进行测试。要提高准确率，请修改 `convert_fer2013_to_images_and_landmarks.py` 文件：\n1. 将 `SELECTED_LABELS` 设置为需要的表情标签，例如 5 种情绪：`SELECTED_LABELS = [0,3,4,5,6]`。\n2. 将 `IMAGES_PER_LABEL` 设置为一个很大的数以使用全部数据：`IMAGES_PER_LABEL = 999999`。\n3. 同步修改 `parameter.py` 第 7 行，设置正确的输出类别数：`output_size = 5`。\n此外，该模型结构简单，泛化能力有限，还可以尝试数据增强、更换数据集或清理标注错误的数据来提升效果。","https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-using-cnn\u002Fissues\u002F21",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},22538,"运行 predict.py 时出现 'IndexError: index 0 is out of bounds' 或其他 skimage 相关错误如何解决？","这通常是因为使用了 Python 2.7 版本，而项目需要 Python 3。解决方案如下：\n1. 升级 Python 版本到 3.6 或更高。如果使用 Conda，可以参考相关教程升级环境。\n2. 如果使用 Anaconda Spyder，请创建一个新的虚拟环境并切换到 Python 3。\n3. 在新环境中更新所有依赖包：`conda update --all` 或 `pip install --upgrade \u003Cpackage_name>`。\n确保运行环境为 Python 3 后再次尝试运行脚本。","https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-using-cnn\u002Fissues\u002F27",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},22539,"只训练了 3 种表情（如悲伤、快乐、中性），为什么预测时会出现未训练的类别（如愤怒）？如何提升准确率？","模型可能会因为训练数据中的噪声或标注错误而预测出未训练的类别。提升准确率的建议包括：\n1. 数据增强：增加训练数据的多样性。\n2. 可视化分析：查看模型关注的脸部区域（如眼睛、嘴巴），确保其关注点正确。\n3. 数据清洗：删除训练集中标注错误或导致模型混淆的样本。\n注意：该模型仅为 5 层简单网络，泛化能力不如前沿模型，且 FER2013 数据集本身存在标注不准的问题，这也会限制准确率上限。修改图片分辨率（如改为 256x256）不一定能直接解决问题，需配合上述方法。","https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-using-cnn\u002Fissues\u002F22",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},22540,"运行 optimize_hyperparams.py 进行超参数优化时，准确率始终低于 70%，无法达到预期的 75% 以上怎么办？","如果准确率持续偏低，可能是数据集或网络结构的问题。有用户反馈 FER2013 数据集标签不准确且图片尺寸过小，限制了性能。解决方案建议：\n1. 尝试更换更高质量的数据集，例如有用户改用 RAF-DB 数据集后，在 7 种情绪分类上达到了 83%-84% 的准确率。\n2. 检查是否无意中修改了 `parameters.py` 中的关键参数。\n3. 增加 `max_evals` 的值以进行更充分的搜索，但核心瓶颈往往在于数据质量而非搜索次数。","https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-using-cnn\u002Fissues\u002F14",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},22541,"运行 optimize_hyperparams.py 时出现 'SyntaxError: invalid syntax' 错误，特别是关于 print 语句的报错如何解决？","这是因为代码中存在 Python 2 风格的 print 语句或缺少括号，而在 Python 3 中导致语法错误。请检查 `optimize_hyperparams.py` 文件中的所有 print 语句，确保它们都使用了正确的 Python 3 语法，即 `print(...)` 形式。\n例如，将错误的写法：\n`print \"#################################\"`\n修改为：\n`print(\"#################################\")`\n请逐行检查文件中所有的 print 调用，补全缺失的括号即可解决。","https:\u002F\u002Fgithub.com\u002FamineHorseman\u002Ffacial-expression-recognition-using-cnn\u002Fissues\u002F13",[]]