1、fer数据集下载

fer源文件fer.csv的下载：

链接：BD网盘 提取码：nq6h

2、转换代码

代码文件不传CSDN资源，直接给代码

# -*- encoding: utf-8 -*-"""@File : csv2img.py @Contact : thgpddl@@Modify Time@Author @Version @Desciption------------------- -------- -----------/5/24 20:10 thgpddl1.0 None"""import osimport cv2import pandas as pdimport numpy as npfrom tqdm import tqdm # 进度条可视化def prepare_data(data):image_array = np.zeros(shape=(len(data), 48, 48), dtype="uint8")for i, row in enumerate(data.index):image = np.fromstring(data.loc[row, 'pixels'], dtype=int, sep=' ')image = np.reshape(image, (48, 48))image_array[i] = imagereturn image_arraydef process(csv_path="fer.csv", out_dir_path="FerImage"):fer = pd.read_csv(csv_path)img_count=0for i in range(7):print("emotion class：", i)clas = fer[fer['emotion'] == i] # 得到csv中类别为i的数据image_array = prepare_data(clas) # 整理图像数据，返回[samples, H, W]格式的图像，意味着有samples张图片，每张为H*Wdir_path = os.path.join(out_dir_path, str(i)) # 定义类别为i的子文件夹路径assert not os.path.exists(dir_path),print("输出文件夹已存在，请删除或指定新的输出文件夹")os.makedirs(dir_path) # 创建类别为i的子文件夹bs, h, w = image_array.shapefor b in tqdm(range(bs)): # 遍历每一个sampleimg = image_array[b] # img.shape=48*48cv2.imwrite(os.path.join(dir_path, str(b) + '.jpg'), img)img_count+=bsprint("共有图片{}张\t处理了图片{}张".format(fer.shape[0],img_count))if __name__=="__main__":csv_path="fer.csv"# csv文件路径out_dir_path="FerImage"# 输出文件夹的路径process(csv_path=csv_path,out_dir_path=out_dir_path)