"基于卷积神经网络的高斯朴素贝叶斯人脸表情识别算法解析与效果"

李沅隆小组在贝叶斯分类方面进行了研究，具体应用于情绪识别，选择相应的emoji进行匹配。他们在GitHub上分享了他们的项目源代码，该项目是一个基于卷积神经网络的高斯朴素贝叶斯分类人脸表情识别算法。李沅隆担任小组的组长，连亨尧是主讲人，连亨尧也是Jupyter Notebook制作人。陈炳鑫、吴浩天、谢宇丰、李溢成、李沅隆共同制作了这个报告。 项目简介：这个项目主要使用搭载Keras framework的tensorflow框架来通过卷积神经网络训练模型，并使用高斯朴素贝叶斯分类器来识别人类的情绪。通过识别人脸表情，根据情绪选择相应的emoji进行匹配。 配置及环境：项目所使用的数据集为Fer2013，这是一个kaggle挑战赛的数据集。项目所使用的神经网络框架是Keras和Tensorflow-gpu。而分类器是基于Opencv-Normal Bayes Classifier(正态贝叶斯分类)训练的贝叶斯分类器。此外，项目还需要python3.6.0、tensorflow-gpu1.8.0、keras-gpu2.1.6和opencv3.3.1等其他环境。 李沅隆小组分享的项目源代码已经在GitHub上可用，有兴趣的人可以去查看代码的详细环境要求。 在项目效果方面，由于没有具体的数据和测试结果，无法进行准确的评价。但是我们可以根据项目的设定来推测，该项目应该能够通过训练模型来对人类的情绪进行识别，并且能够根据情绪选择相应的emoji进行匹配。这对于一些情绪分析、社交媒体或者表情交流方面的应用可能会有很大的帮助。 总结来说，李沅隆小组的这个项目提出了一种基于卷积神经网络和高斯朴素贝叶斯分类器的人脸表情识别算法。他们的目标是根据识别到的人脸表情，选择相应的emoji进行匹配。虽然缺乏具体的项目效果和实验结果，但是根据项目的设定和使用的神经网络框架和分类器，我们可以预见这个项目在情绪识别和应用方面有着潜在的价值。