题目：	基于人脸情感识别的移动 App 应用
班级序号： 	 学生姓名： 	 任课教师：



目录
一、引言	
二、关键技术方案	
2.1 vggNet	
2.2 pytorch 迁移学习	
三、系统分析与设计	
3.1 需求定义	
3.动态人脸特征检测	
系统用例图如下：	
3.2 架构设计	
3.3 程序设计	
服务器端：	
四、实现与实验	
4.1 软件实现	
4.2 实验环境	
4.3 实验步骤	
五、结果与讨论	
5.1 结果	
5.2 讨论	
5.3 特色与创新	
六、总结	
附件：设计图表和/或程序核心代码	
(features): Sequential(	
一、引言
人脸的情感识别是计算机视觉的一个重要研究方向，在人机交互、情感机器人、陪伴机器人 等应用领域有重要的实际应用意义。目前，研究者们在研究面部表情识别时大多以传统七类人脸表情类别为基础，进行深度特征学习和深度特征分类，本题在这种理论的基础之上，采取 C/S 架构设计软件系统，使得在移动端也能够精准的识别情感。
二、关键技术方案
2.1 vggNet
VggNet 是牛津大学中 Visual Geometry Group 组提出的一种卷积神经网络，其目的是解决解决 ImageNet 中的 1000 类图像分类问题。VggNet 在 AlexNet 基础之上做了一定的改进，采用连续的几个 3x3 的卷积核代替 AlexNet 中的较大卷积核（11x11，7x7，5x5），简单的说来，在
VGG 中，使用了 3 个 3x3 卷积核来代替 AlexNet 中 7x7 卷积核，使用了 2 个 3x3 卷积核来代替


5*5 卷积核，这样做的主要目的是在保证具有相同感知野的条件下，提升了网络的深度，在一定程度上提升了神经网络的效果，并且小卷积核的使用带来参数量减少，可以更加 steadily 地增加层数得同时不会太过于担心计算量的暴增。本次使用的就是 vgg19，是 vggNet 中网络的一种， 包含了 19 个隐藏层（16 个卷积层和 3 个全连接层），本次实习使用了前面的 16 个卷积层作为特征提取工具。 
图 1：vgg 网络层数以及相对应的参数