二分类FER

• 数据集相关
  • 构造训练集
    • ExpW数据、fer2013数据、multiPIE数据、补充训练数据、在celebrity数据微调、各种数据增强（crop、加噪声、光照、预处理一定要对齐）
  • 构造评测集
    • 在celebrity数据集上构建评测集
• 模型选用：
  • 基础结构：res_50第一层+pooling+修改的res_block （尝试了当前主流的网络结构后选用）dense-net前两个Block，使用全局Pooling接分类层，使用全局Pooling接分类层
  • 结构修改：在res_block基础上将最后的卷积核个数由256调整至32 调整对应的卷积核数量
• 训练测试code相关
  • 训练执行、solver、训练网络proto
  • python多进程FER二分类，并基于测试得分进行数据分析及数据进一步筛选。
  • C++接口 Linux版本FER二分类（分类代码、编译、运行脚本、测试模型对应地数组格式、测试网络proto对应地数组格式）