基于 Valence-Arousal 维度的
表情情绪识别

上传表情图像，通过 EmotionNet/FER+ 模型仿真推理 Valence 值，判断情绪是正向、负向还是中性

开始识别

上传表情图像

工作原理

模型基础

基于 EmotionNet/FER+ 开源项目，在FER数据集基础上优化，能准确识别人类表情。

Valence 维度

Valence 取值范围为 [-1, 1]，代表情绪的积极-消极程度。

分类规则

采用阈值判定：Valence ≥ 0.25 为正向，≤ -0.25 为负向，中间为中性。

结果可视化

通过滑块和图表展示 Valence 值，让识别结果更易理解。

示例展示

正向情绪

Valence 0.78

例如：开心、兴奋、满足等积极情绪

中性情绪

Valence 0.05

例如：平静、无表情、专注等中性状态

负向情绪

Valence -0.63

例如：悲伤、愤怒、恐惧等消极情绪

关于模型

本网页使用的表情识别模型基于 EmotionNet/FER+ 开源项目，在FER数据集基础上优化，能更准确地识别人类表情。

核心特点：

  • 基于心理学二维情绪环（Valence-Arousal）理论
  • 输出连续的 Valence 值，范围 [-1, 1]
  • 支持多种表情类别的识别与分类
  • 轻量级设计，适合网页端部署

注：本网页为仿真演示版本，实际应用中需集成真实的 EmotionNet/FER+ 模型。仿真结果基于随机 Valence 值，仅用于展示界面效果。