我有一个由面部图像组成的数据集，以及构成嘴巴的相应地标。 这些地标是一组 2D 点（x，y 像素位置）。 每个图像-地标集数据对都被标记为微笑或中性。
我想做的是训练一个深度学习模型来返回一个新的图像-地标数据对的微笑强度。
我应该寻找什么来帮助我完成下一步？ 这是我需要的 CNN 吗？在我有限的理解中，通常的训练输入只是一张图像，我将在其中传递地标集进行训练。或者 SVM 方法会更准确吗？
我正在寻找尽可能高的准确性。
我需要调用的方法是什么？
我很高兴使用 PyTorch、Dlib 或任何框架，我只是有点卡在搜索词上以帮助我前进。
谢谢。
【问题讨论】：
标签： tensorflow machine-learning deep-learning pytorch dlib
如果不查看数据集并进行实验，很难判断。但希望以下研究材料能够引导您朝着正确的方向前进。
基于机器学习的方法： https://www.researchgate.net/publication/266672947_Estimating_smile_intensity_A_better_way
深度学习 (CNN)：https://arxiv.org/pdf/1602.00172.pdf
用于微笑和微笑强度检测的精彩论文列表： https://github.com/EvelynFan/AWESOME-FER/blob/master/README.md
SmileNet 项目：https://sites.google.com/view/sensingfeeling/
现在，我假设您没有任何实际微笑强度的标签。
在这种情况下，可以直接使用现有的微笑检测方法，您将使用最后的激活输出（sigmoid）作为微笑的置信度分数。如果置信度越高，强度应该越高。
现在，您可以将面部标志点用作单独的特征（通过 LSTM 块传递它们）并在早期/或稍后阶段连接到 CNN，以提高模型的性能。
如果你有微笑强度的标签，你可以将它作为一个回归问题来解决，CNN 将有一个输出，将尝试回归微笑强度（在这种情况下是使用 sigmoid 的标准化微笑强度）。
【讨论】：