企业官网建设流程全解析

简介：本资源是一份面向高校人工智能课程学习者的完整大作业实践包，聚焦图像情绪识别这一典型AI应用场景，适用于计算机、人工智能、自动化等专业学生完成课程设计、期末项目或毕设初期开发。压缩包共25个文件，含11个Python源码（覆盖CNN/VGG/ResNet多模型实现、数据预处理、可视化及对比分析）、6个Markdown文档（含详细使用说明、模型测试指南与目录结构解析）、3个辅助工具压缩包（人脸标注、Fer2013数据集PyTorch适配、表情识别开源项目）、2个PDF实验报告（开题与终期报告）、1个Haar级联XML人脸检测模型、1个MP4演示视频及1个DOC进展报告，整体22.54MB。已有251人学习下载，所有代码均经实机测试运行成功，答辩平均分96分；提供清晰的README引导、模块化代码结构与多模型横向对比脚本（model_All_Compare.py），便于理解算法差异、快速复现结果并在此基础上拓展功能。

1. 这不是“调个API就能跑”的情绪识别demo：它是一套可答辩、可复现、可拆解的完整课程级图像情绪分析流水线

你手头那套「人脸识别+表情分类」代码，大概率只在Jupyter里跑通过单张图——而这份2021年广工大《人工智能导论》第二组课程设计，是真正走完「数据采集→人脸裁剪→模型训练→对比实验→可视化分析→报告撰写」全链路的硬核作业。它不依赖云端API，所有模型（CNN/VGG/ResNet）全部用PyTorch从零实现；不靠预训练权重糊弄，Fer2013数据集手动划分train/val/test三份；连开题报告、进展报告、期末报告PDF都齐备，答辩平均分96分不是虚的。适合两类人：一是刚学完《机器学习》但卡在“怎么把课上公式变成能跑的代码”的本科生，二是需要快速搭建教学案例、避免学生抄网上的残缺项目模板的授课老师。它解决的不是“能不能识别”，而是“怎么让一个没跑过GPU训练的新手，在3小时内复现baseline并理解每个模块为什么这么写”。

提示：这不是工业级部署方案，没有Flask接口、没有Docker封装、不支持实时视频流推理。它的价值恰恰在于“裸露”——所有数据路径、超参、模型结构、评估逻辑全部摊开，连haarcascade_frontalface_default.xml这种OpenCV老古董级检测器都保留原样，方便你对照课本讲义逐行debug。

2. 从Fer2013原始数据到可训练数据集：四步数据工程实操

2.1 数据来源与原始结构解析

项目打包了Fer2013-pytorch-CNN-VGG-Resnet--master.zip，解压后核心是fer2013.csv——这个CSV文件包含35887行，每行格式为emotion,pixels,Usage，其中pixels字段是2304个空格分隔的整数（48×48灰度图展平），emotion为0~6共7类（anger/disgust/fear/happy/sad/surprise/neutral）。注意：原始Fer2013官方数据集的Usage列标记为Training/PublicTest/PrivateTest，但本项目未直接使用该划分，而是通过data_separation.py重采样生成自己的train/val/test集，这是关键差异点。

2.2 手动构建图像目录树：为什么不用Pandas直接读CSV？

data_separation.py脚本执行后，会在face_images/下生成标准ImageFolder结构：

face_images/ ├── train/ │ ├── 0/ # anger │ ├── 1/ # disgust │ └── ... ├── val/ └── test/

这样做有三个硬性理由：

1. PyTorch DataLoader兼容性：避免每次训练都用pd.read_csv()加载整个CSV再reshape，内存占用直降80%；
2. 数据增强可插拔：transforms.Compose([transforms.RandomHorizontalFlip(), transforms.ToTensor()])只能作用于ImageFolder对象；
3. 跨模型复用：CNN/VGG/ResNet三个模型的dataset参数完全一致，无需为每个模型单独写数据加载逻辑。

# data_separation.py 关键片段（已加注释） import pandas as pd import numpy as np from PIL import Image import os # 1. 读取原始CSV，过滤掉Usage为'PrivateTest'的样本（因标签不可见，仅用于最终评测） df = pd.read_csv('fer2013.csv') df = df[df['Usage'] != 'PrivateTest'] # 2. 按emotion分组，确保每类至少有500张图才参与训练（防小类过拟合） min_samples_per_class = 500 class_counts = df['emotion'].value_counts() valid_classes = class_counts[class_counts >= min_samples_per_class].index.tolist() df = df[df['emotion'].isin(valid_classes)] # 3. 手动划分：按7:1:2比例切分，且保证每类在各集合中比例均衡 for emotion in range(7): class_df = df[df['emotion'] == emotion] n_total = len(class_df) n_train = int(n_total * 0.7) n_val = int(n_total * 0.1) # 随机打乱后切片（非简单切片！） shuffled = class_df.sample(frac=1, random_state=42).reset_index(drop=True) train_part = shuffled.iloc[:n_train] val_part = shuffled.iloc[n_train:n_train+n_val] test_part = shuffled.iloc[n_train+n_val:] # 4. 写入对应目录（核心：像素转PIL.Image再保存为PNG） for idx, row in train_part.iterrows(): pixels = np.array(row['pixels'].split(), dtype=np.uint8).reshape(48, 48) img = Image.fromarray(pixels) img.save(f"face_images/train/{row['emotion']}/{idx}.png")

2.3 人脸区域裁剪：为什么用haarcascade而不直接用MTCNN？

model_CNN.py中FaceDetector类调用cv2.CascadeClassifier('haarcascade_frontalface_default.xml')，而非更准的深度学习检测器，原因很务实：

• 课程约束：《人工智能导论》课时有限，要求“用OpenCV基础模块完成预处理”，MTCNN需额外装torchvision且推理慢；
• 数据适配性：Fer2013全是正脸灰度图，haar检测器召回率>92%，误检主要在disgust类（嘴角扭曲易被误判为闭眼），但后续data_view.py提供了可视化校验工具；
• 可解释性教学：让学生亲手调scaleFactor=1.1和minNeighbors=5参数，理解检测器敏感度与漏检率的权衡。

2.4 数据可视化验证：data_view.py的三个救命功能

运行python data_view.py --mode show_sample --class_id 3（happy类）会弹出9宫格样本图，确认裁剪质量；
--mode show_distribution生成各类别数量柱状图，避免训练集某类样本过少；
--mode show_heatmap对test集预测结果画混淆矩阵热力图——这是答辩时评委最爱看的一页图。

注意：data_view.py依赖matplotlib和seaborn，若报错ModuleNotFoundError: No module named 'seaborn'，请先pip install seaborn==0.12.2（高版本seaborn在Python3.7下与旧版PyTorch有兼容问题）。

3. 三大模型源码级对比：CNN/VGG/ResNet在Fer2013上的真实性能边界

3.1 基础CNN模型：model_CNN.py的三层卷积设计哲学

class SimpleCNN(nn.Module): def __init__(self, num_classes=7): super().__init__() self.conv1 = nn.Conv2d(1, 32, kernel_size=3, padding=1) # 输入通道1（灰度图） self.bn1 = nn.BatchNorm2d(32) self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1) self.bn2 = nn.BatchNorm2d(64) self.conv3 = nn.Conv2d(64, 128, kernel_size=3, padding=1) self.bn3 = nn.BatchNorm2d(128) self.pool = nn.MaxPool2d(2) self.dropout = nn.Dropout(0.25) self.fc1 = nn.Linear(128 * 6 * 6, 512) # 48->24->12->6，三次池化后尺寸 self.fc2 = nn.Linear(512, num_classes) def forward(self, x): x = self.pool(F.relu(self.bn1(self.conv1(x)))) x = self.pool(F.relu(self.bn2(self.conv2(x)))) x = self.pool(F.relu(self.bn3(self.conv3(x)))) x = torch.flatten(x, 1) x = F.relu(self.fc1(x)) x = self.dropout(x) x = self.fc2(x) return x

关键设计点：

• padding=1保证每次卷积后尺寸不变，配合MaxPool2d(2)精准控制下采样节奏；
• BatchNorm2d放在ReLU前（非后），这是2021年课程要求的“标准写法”，虽非最优但符合教学规范；
• fc1输入维度128*6*6来自48→24→12→6的三次2倍下采样，必须手算验证，否则torch.flatten报错。

3.2 VGG变体：model_VGG.py如何用11层网络榨干48×48小图

VGG原始结构（如VGG11）输入需224×224，本项目将其压缩为VGG_mini：

• 移除所有nn.AdaptiveAvgPool2d，改用固定尺寸nn.AvgPool2d(2)；
• 将features中最后两个Conv2d(512->512)改为Conv2d(256->256)，降低参数量；
• classifier部分精简为[nn.Linear(256*3*3, 256), nn.ReLU(), nn.Dropout(0.5), nn.Linear(256, 7)]。
  这样调整后，VGG_mini参数量约1.2M（原VGG11为132M），在GTX1050Ti上单batch训练时间仅比CNN多0.3秒，但top1准确率提升4.2%（见model_All_Compare.py输出表格）。

3.3 ResNet轻量化：model_ResNet.py的残差块魔改

标准ResNet18需输入≥112×112，本项目采用ResNet18_mini：

• 第一个conv1将kernel_size从7改为3，stride从2改为1，避免48×48图被过度下采样；
• layer1（第一个残差块）输出通道从64减至32，layer2从128减至64；
• 全局平均池化层nn.AdaptiveAvgPool2d((1,1))保留，但fc层输入维度从512改为64。
  这种改法使ResNet18_mini在Fer2013上达到最高准确率（68.3%），但训练不稳定——model_ResNet_test.py中设置了torch.backends.cudnn.benchmark = True加速，却导致首次epoch loss震荡剧烈，这是典型的小图+残差结构冲突现象。

3.4 模型对比实验：model_All_Compare.py的自动化评测框架

该脚本会自动执行：

1. 加载三个模型权重（model_CNN.pth/model_VGG.pth/model_ResNet.pth）；
2. 在test集上分别计算accuracy/precision/recall/f1-score；
3. 生成results_comparison.csv，含每类详细指标；
4. 绘制ROC曲线（对7类做one-vs-rest）。
   关键参数：--batch_size 64（显存不足时需降至32）、--num_workers 2（Windows系统必须设为0，否则DataLoader卡死）。

4. 训练全流程避坑指南：GPU环境、超参、收敛性三重雷区

4.1 GPU环境配置：CUDA版本与PyTorch的隐性绑定

项目requirements.txt指定torch==1.8.1+cu111，这意味着：

• 必须安装CUDA 11.1（非11.0或11.2），nvcc --version必须输出Cuda compilation tools, release 11.1；
• 若用RTX30系显卡（Ampere架构），torch==1.8.1无法启用Tensor Cores，但强行升级到torch==1.10.0+cu113会导致model_VGG_test.py中nn.AvgPool2d计算错误（已验证）；
• 解决方案：保持CUDA 11.1 + PyTorch 1.8.1，用model_CNN_GPU.py中的torch.cuda.amp.autocast()手动开启混合精度，提速18%且loss曲线更平滑。

4.2 超参数陷阱：学习率衰减与早停机制的致命组合

model_CNN.py中lr_scheduler.StepLR(optimizer, step_size=7, gamma=0.1)与EarlyStopping(patience=5)同时启用时：

• 现象：第12 epoch后val_loss突然飙升，但scheduler仍在第14 epoch才衰减lr，导致模型崩溃；
• 原因：patience=5指连续5个epoch无改善即触发早停，但step_size=7意味着lr在第7/14/21...epoch衰减，二者周期错位；
• 解决：统一为patience=7，或改用ReduceLROnPlateau（见model_VGG.py第89行），监听val_loss，下降时才衰减lr。

4.3 收敛性玄学：batch_size=32时acc卡在62%不上升

• 现象：CNN模型在train集acc达95%但val集停滞在62%，验证集loss波动剧烈；
• 原因：Fer2013中disgust类样本仅958张（占2.7%），batch_size=32时单个batch极可能不含该类样本，导致梯度更新偏差；
• 解决：在data_separation.py中启用WeightedRandomSampler，按类别频率反比赋予权重，代码已写在model_CNN_test.py第45行注释里，取消注释即可生效。

4.4 模型保存与加载：.pth文件的序列化隐患

model_ResNet.py中torch.save(model.state_dict(), 'model_ResNet.pth')看似标准，但：

• 现象：加载后model.eval()时BatchNorm2d.running_mean为全零，导致推理结果全错；
• 原因：训练时未调用model.train()，BN层未更新统计量；
• 解决：保存前必须执行model.train()，或改用torch.save({'model_state_dict': model.state_dict(), 'optimizer_state_dict': optimizer.state_dict()}, 'checkpoint.pth')保存完整状态。

4.5 视频推理翻车：example_dsh.mp4无法实时处理

• 现象：python video_inference.py --video example_dsh.mp4运行后CPU占用100%，帧率<1fps；
• 原因：cv2.VideoCapture默认用CAP_ANY后端，在Windows上常选错解码器；
• 解决：强制指定后端cv2.VideoCapture('example_dsh.mp4', cv2.CAP_FFMPEG)，并添加cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)减少缓存延迟。

5. 实验报告写作实战：从代码输出到答辩PPT的转化技巧

5.1 图表生成：data_view.py与model_All_Compare.py的报告直出能力

运行python model_All_Compare.py --generate_report会自动生成：

• confusion_matrix.png：7×7混淆矩阵，字体大小设为12确保答辩投影清晰；
• roc_curve.png：7条ROC曲线，AUC值标在图例中；
• training_history.png：三模型loss/acc对比曲线，用不同线型区分（CNN实线/VGG虚线/ResNet点划线）。
  这些图直接复制进Word报告，不要截图——plt.savefig()已设置dpi=300和bbox_inches='tight'，矢量图缩放不失真。

5.2 报告结构拆解：《人工智能导论》第二组报告的黄金模板

其《人工智能导论》第二组-期末课程项目报告.pdf采用五段式：

5.3 答辩话术设计：如何把“调参失败”说成“主动探索”

当评委问“为什么VGG准确率比CNN高但训练时间长？”时，标准回答是：

“我们刻意将VGG的卷积核数量减半（从64→32），使其参数量与CNN接近（1.3M vs 1.1M），此时VGG仍高出4.2%准确率，证明更深的网络结构对小图特征提取有本质优势——这验证了课程中‘深度增加表达能力’的核心论点。”
血泪经验：答辩时绝不说“我试了很多次”，而要说“我们设计了三组对照实验：第一组固定lr=0.01，第二组用StepLR，第三组用ReduceLROnPlateau，最终选择第三组因其val_loss方差最小”。

5.4 开题报告埋点：如何让中期检查不尴尬

开题报告.pdf中“预期困难”章节写了三条：

1. “Fer2013数据集存在标注噪声，计划用交叉验证评估标签可靠性” → 后续data_view.py中--mode show_label_consistency功能即为此开发；
2. “ResNet在小图上易过拟合，拟采用DropPath正则化” → 实际用了更简单的DropBlock（见model_ResNet.py第152行）；
3. “视频实时推理延迟高，考虑用TensorRT优化” → 最终用FFmpeg硬解码解决，但报告里仍保留此条，体现规划前瞻性。
   后悔药：从那以后我每次写开题报告，都会在“预期困难”里故意写一条“技术上可行但工作量极大”的点（如“尝试用Transformer替代CNN”），这样中期检查时只要展示出“已调研但暂不实施”的记录，评委就觉得你进度扎实。希望帮到你。

本文还有配套的精品资源，点击获取