Vit Facial Expression Recognition

🚀 面部表情识别视觉变换器（vit-Facial-Expression-Recognition）

本项目基于视觉变换器（ViT）模型，针对面部表情识别任务进行了微调优化。在图像分类任务中表现出色，能够精准识别面部表情，为相关领域的应用提供了强大的支持。

🚀 快速开始

此模型是 motheecreator/vit-Facial-Expression-Recognition 在 imagefolder 数据集上的微调版本。它在评估集上取得了以下成绩：

• 损失值：0.2631
• 准确率：0.9177

✨ 主要特性

• 高精度识别：在评估集上达到了 0.9177 的准确率，能够准确识别面部表情。
• 微调优化：基于预训练模型进行微调，在特定数据集上表现更优。

📚 详细文档

训练和评估数据

更多相关信息待补充。

训练流程

训练超参数

训练过程中使用了以下超参数：

• 学习率：3e-05
• 训练批次大小：32
• 评估批次大小：32
• 随机种子：42
• 梯度累积步数：8
• 总训练批次大小：256
• 优化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
• 学习率调度器类型：余弦退火
• 学习率调度器热身步数：1000
• 训练轮数：3

训练结果

框架版本

• Transformers 4.41.2
• Pytorch 2.3.0+cu121
• Datasets 2.20.0
• Tokenizers 0.19.1

🔧 技术细节

模型信息