长尾分布下的情绪识别挑战设计相应算法改进baseline模型并对结果进行可视化内含完整代码以及实验报告分析python

互联网上收集到的人脸数据集包含着大量开心的表情图片其中愤怒悲伤等负面情绪的图片较少因此使用这些数据集训练的模型在实际部署时对负面情绪的检测效果往往较差.1.设计算法改进baseline模型1使用类的样本大小倒数来加权所有样本权重2使用重采样的方式达到均匀抽取训练数据的效果3改变数据集增扩情绪较少的负面情绪样本2.数据集介绍实验所使用的训练数据集来自FER2013数据集其中开心的表情占据了整个数据集的大部分而其他情绪则相对较少.测试数据包括AB两个部分A部分的数据分布和FER2013接近同样大部分为开心的情绪而测试数据B则是从其他数据集采样得到的负面情绪样本.3.评价指标Acc F1Score等等.4.结果可视化利用折线图对结果进行可视化分析.