企业官网建设流程全解析

简介：基于ResNet的人脸表情识别Python实现源码与配套数据集，面向正在准备毕业设计、期末大作业或课程设计的高校学生，也适合刚接触深度学习的开发者用于表情分类实战练习。资源共16个文件，压缩包约5.2MB，内部以Python脚本为核心（模型构建、训练测试、混淆矩阵绘制），配合按7类表情整理的图像数据集、依赖清单与说明文档，以及一段演示视频，方便快速跑通并理解流程。目前已有237人学习下载。源码经过本地编译验证，评审得分98分，内容由助教审定，难度适中，结构清晰。读者可借助类别索引文件快速对应表情标签，借助依赖清单文件还原运行环境，结合数据集与模型代码进行训练、评估和结果可视化；通过混淆矩阵还能观察各类别识别效果，便于进一步调优。也可在此基础上替换骨干网络或扩充数据，用于论文实验或课设展示。

1. 人脸表情识别为什么值得用ResNet：从七分类任务到工程落地

拿到“基于ResNet的人脸表情识别python实现源码+数据集（高分项目）.zip”这个压缩包的人，大多是要交一个能跑、能讲、能答辩的完整项目，而不是研究人脸识别前沿。人脸表情识别本质是一个七分类任务——把angry、disgust、fear、happy、sad、surprise、neutral这七类从一张人脸图片里分出来，难点在于表情差异是局部纹理变化，光照、姿态、遮挡都会让分类器翻车。ResNet能成为这个任务的主流底座，靠的是残差连接。网络加深不再导致退化，模型可以从粗粒度的人脸结构一路学到细粒度的肌肉纹理特征，这也是ImageNet夺冠之后它迅速被移植到表情识别的原因。这个方向适合课程设计、毕业设计，也适合想快速验证一个迁移学习demo的python开发者。

2. 表情数据集的清洗与划分：FER2013和CK+怎么处理才能训练

标题里写着“数据集”，但压缩包里的数据从来不是能直接喂给模型的形态。常见做法是里面放着FER2013的CSV原始文件、CK+的序列帧，或者已经按标签分好文件夹的图片目录。三种形态，处理方式完全不同，第一步做错了，后面的训练全白搭。我一般拿到压缩包先做一件事：打开目录看一眼是CSV还是文件夹，再决定写哪套解析代码。

2.1 FER2013的CSV结构与CK+的序列帧差异

FER2013是一个单文件CSV，三列：emotion、pixels、Usage。emotion是0到6的整数，对应七类表情；pixels是48×48的灰度像素值，按空格分隔成2304个数字；Usage字段把数据分成Training、PublicTest、PrivateTest三部分。这个结构的好处是解析简单，坏处是它本身已经是灰度小图，放大后纹理细节有限，模型上限被数据卡住。用它做训练，输入尺寸通常是48×48，不需要resize到224也能跑，但ResNet的输入习惯是224×224，所以要做一次插值放大。

CK+是另一套逻辑。它不是一张张独立图片，而是593个序列，每个序列从平静表情开始，到峰值表情结束，中间有若干帧。直接拿整个序列训练会引入大量中性帧，模型学到的不是表情而是“这张脸长什么样”。我一般只取每个序列的最后三帧——峰值帧——作为正样本，一个序列最多产出3张可用图片。这个取舍会导致CK+的总样本数不到一千张，所以CK+通常只做测试或微调，主力训练还是靠FER2013。

2.2 把FER2013的CSV解析成目录结构：minimal脚本

不管后面用PyTorch还是TensorFlow，先把CSV落成“按类别分文件夹”的目录结构最省心。下面这个脚本把FER2013按Usage字段拆成train和test两个集合。

import pandas as pd from pathlib import Path from PIL import Image import numpy as np csv_path = "fer2013.csv" root = Path("fer2013_split") df = pd.read_csv(csv_path) emotion_names = { 0: "angry", 1: "disgust", 2: "fear", 3: "happy", 4: "sad", 5: "surprise", 6: "neutral" } for split in ["Training", "PublicTest", "PrivateTest"]: subset = df[df["Usage"] == split] target = root / ("train" if split == "Training" else "test") for _, row in subset.iterrows(): label = int(row["emotion"]) img = np.array(row["pixels"].split(), dtype=np.uint8).reshape(48, 48) out_dir = target / emotion_names[label] out_dir.mkdir(parents=True, exist_ok=True) Image.fromarray(img).save(out_dir / f"{row.name}.png")

这段代码的逻辑是：先用pandas把CSV读进来，按Usage字段把行筛成训练集和测试集；对每一行，把pixels字符串按空格分割，转成48×48的灰度数组，再按emotion标号落进对应类别的文件夹。文件名用row.name（CSV的行号）保证不重名。这里没做One-Hot编码，也没做归一化，因为归一化放到DataLoader里做更合适——模型训练时每次拿到的都是同一个预处理流程，避免训练和推理两套标准。

参数说明：save那一行的format默认按扩展名推断，写.png即可；reshape一定要在split之后，否则2304个数字会排错位置；mkdir加了exist_ok=True，重复运行脚本不会报错。这个脚本跑完，train目录下应该有28709张图，test目录下是PublicTest和PrivateTest合并的7178张左右，具体数量以压缩包内CSV实际行为准。

2.3 类别不均衡：happy样本是disgust的几十倍

FER2013的七类样本数不是均匀的。happy和neutral通常各占四分之一左右，disgust经常只有两千张上下，这种不均衡会让模型偏向多数类。训练时如果发现验证集准确率很高但混淆矩阵里disgust和fear几乎全错，先别调网络结构，回来看数据分布。

我用的是一个简单粗暴的办法：给DataLoader加WeightedRandomSampler。先统计每个类别的样本数，算权重，少数类的采样权重放大，让每个batch里各类别出现频率接近。

from torch.utils.data import WeightedRandomSampler labels = [] for emotion_dir in train_dir.iterdir(): class_id = list(emotion_names.values()).index(emotion_dir.name) for img_path in emotion_dir.glob("*.png"): labels.append(class_id) class_counts = np.bincount(labels) weights = 1.0 / class_counts[labels] sampler = WeightedRandomSampler(weights, num_samples=len(labels), replacement=True)

这个sampler的逻辑是：weights数组的长度等于样本总数，每个样本的权重是该类别样本数的倒数，少数类权重反而大。replacement=True表示采样时允许重复取同一张图，实际效果等同于对少数类做了在线过采样，且不会复制图片占磁盘。多数类样本被采到的概率降低，网络更新方向不再被happy这类大头带偏。注意sampler和batch_size同时生效时，DataLoader的shuffle参数必须设成False，否则会冲突。

但也不是所有项目都适合重采样。如果你的最终目标是“在真实场景下测模型”，真实场景里happy就是比disgust多，强行平衡会让模型在真实分布下误报率上升。这里要分清楚：毕业设计看混淆矩阵和各类别的average acc，重采样基本必做；产品demo要的是总体准确率，那就保持原分布，只对少数类做简单的旋转和尺度增强。这个分寸感很多人没讲，我提一句。

3. ResNet18还是ResNet50：表情识别模型选型与代码改造

数据集整理完之后，下一个决策是“用哪个ResNet”。标题里只写了ResNet，没有具体层数，这个模糊恰恰是压缩包源码里最需要看的地方——有的项目用ResNet50，有的用ResNet34，还有的用ResNet18加一层自注意力模块。选型不是越深越好，要对着数据量算账。

3.1 表情数据量撑不起ResNet50：参数规模与过拟合的账

ResNet18的参数量约1170万，ResNet50约2350万，ResNet101超过4250万。FER2013的28709张训练图分配到7个类，平均每类约4100张，这对于ResNet18来说是“刚好够微调”的量，对ResNet50来说偏少。深网络在训练集上可以把loss压到很低，但验证集准确率反而不如浅一点的模型，这是我跑表情识别时反复遇到的情况。原因不玄学：最后的全连接层参数爆炸，浅层卷积又在ImageNet预训练里学的是物体轮廓和纹理，表情数据量不足以把这些参数重新校准。

这个表是我在单卡GTX 1660上跑的经验值，不同设备会有差异。所以我的默认选择是ResNet18，输入224×224，最后一层改成7分类。只有两种情况会上ResNet34或ResNet50：一是拿到的数据集是增强后的大规模私有数据，二是做比赛需要刷高分数，用集成或大模型加各种trick。常规课设和毕设，ResNet18的精度和训练速度最平衡。

3.2 用torchvision加载ResNet18并替换分类头：最小可跑代码

PyTorch里改ResNet的分类头非常直接，核心是理解网络的最后一层是fc，输入维度由前面的层决定——ResNet18的全局平均池化后是512维，ResNet50是2048维，改fc层时这个维度必须写对。

import torch import torch.nn as nn from torchvision import models def build_resnet18(num_classes=7, pretrained=True): if pretrained: weights = models.ResNet18_Weights.IMAGENET1K_V1 model = models.resnet18(weights=weights) else: model = models.resnet18(weights=None) model.fc = nn.Sequential( nn.Dropout(p=0.5), nn.Linear(model.fc.in_features, num_classes) ) return model model = build_resnet18(num_classes=7, pretrained=True)

逻辑说明：resnet18(weights=IMAGENET1K_V1)返回的是在ImageNet上预训练好的模型，model.fc原本是一个输出1000类的线性层；我们把它整体替换成一个带Dropout的Sequential，第一层Dropout按0.5概率随机失活神经元，第二层Linear把512维映射到7维。这里没有加激活函数，因为分类loss用的是CrossEntropyLoss，它内部已经包含了softmax的数值计算，提前加ReLU反而会把负logit截断。

参数说明：Dropout的p值在0.3到0.6之间都可以试，表情识别我常用0.5；num_classes要和数据集标签对齐，FER2013是7，如果你用的是JAFFE或RAF-DB这类更细的数据集，这里要同步改；pretrained=True是迁移学习的关键，直接随机初始化在小数据集上训练，准确率会比预训练低10到15个百分点，这是可以量到的差距。

3.3 再往前走一步：给ResNet18加位置编码式的细粒度增强

ResNet18能解决的是“整体人脸特征提取”，但表情是局部肌肉动作为主，眼睛、眉毛、嘴角这些细粒度区域才是决定性线索。纯ResNet18的最后一层输出是7×7的特征图，每个格子感受野偏大，细粒度信息会被池化抹掉。如果项目要冲高分，常见做法是给ResNet加一个分支：把layer3的输出和layer4的输出做特征融合，类似轻量FPN的思路，再让融合后的特征过一层自注意力，让模型把注意力放到嘴部和眼部。这个改造带来的准确率提升通常在3到5个百分点之间，但训练时间会增加，代码复杂度也上来了。

如果你是想交一个能稳定运行、答辩能讲清楚的项目，我不建议一上来就做这个改造。先在基础ResNet18上把baseline跑出来，记录混淆矩阵，再去加FPN分支和自注意力模块做对比实验——有对比数据，报告才好写，这也是“高分项目”里最有含金量的部分。

4. 训练参数配置：学习率、数据增强与收敛曲线怎么调

ResNet18只是骨架，真正让模型在表情数据集上出成绩的是训练配置。同样的网络，学习率用0.1还是0.001，差别能到10个百分点以上；做不做数据增强，验证集准确率差距也摆在那里。这一章把三个最关键的旋钮讲清楚：数据增强怎么写、学习率怎么退火、checkpoint什么时候存。

4.1 数据增强：表情识别里的transforms组合

FER2013是48×48灰度图，输入给ResNet18时resize到224，这个放大会让像素边缘出现插值锯齿。对抗的办法是把数据增强放在resize前后做组合。以下是我常用的增强组合。

from torchvision import transforms train_transform = transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomResizedCrop(224, scale=(0.8, 1.0)), transforms.RandomHorizontalFlip(p=0.5), transforms.ColorJitter(brightness=0.2, contrast=0.2), transforms.RandomGrayscale(p=0.1), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) valid_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ])

这套组合的逻辑是：Resize到256再随机裁剪到224，等价于给模型看不同尺度的脸部区域；水平翻转对表情识别是安全的——人脸左右翻转后，表情语义基本不变，这比上下翻转安全得多，上下翻转会把眼睛变到嘴的位置，属于错误增强。ColorJitter的亮度对比度扰动模拟不同光照条件，RandomGrayscale按0.1的概率把彩色图转灰度，让模型不要过度依赖颜色。最后Normalize用的mean和std是ImageNet的统计值，迁移学习场景下沿用这套数值，不要自己重新算，否则预训练权重的感受野统计会错位。

验证集只做Resize和Normalize，不做随机增强，保证评估指标稳定。测试集如果也做了RandomHorizontalFlip，同一张图每次预测结果会不一样，这是很多人踩过的一个坑。

注意：验证集和测试集不要使用RandomHorizontalFlip这类随机增强，否则同一张图片多次推理结果不一致，评估指标也会波动。

4.2 优化器与学习率策略：冻结浅层还是全部微调

表情识别的标准配置是SGD加momentum，不是Adam。SGD在小数据集上更容易收敛到平坦的极小值，泛化更好；Adam的早期收敛快，但后期验证集准确率经常被SGD反超。优化器参数设置如下。

optimizer = torch.optim.SGD( model.parameters(), lr=0.001, momentum=0.9, weight_decay=5e-4, ) scheduler = torch.optim.lr_scheduler.StepLR( optimizer, step_size=10, gamma=0.1, )

lr=0.001是ResNet18配合ImageNet预训练权重时的安全起点。如果你用的是没有预训练的随机初始化，lr要提到0.01甚至0.1，否则收敛太慢；反过来，如果加载预训练权重还开0.01，模型会出现几轮loss不降反升的震荡。momentum=0.9是SGD的标准值，weight_decay=5e-4对所有参数加L2正则，这个值和batch_size关系不大，直接抄通常没问题。StepLR每10个epoch把学习率乘以0.1，适合训练总轮数在30到50轮的项目——前10轮大步探索，中间10轮收敛，最后10轮精修。

一个常被忽略的决策是“冻结哪些层”。迁移学习有两种主流做法：一种冻结前几层只用后几层微调，适合数据量极小的场景；另一种全部参数一起微调，适合FER2013这个规模。我一般选第二种，因为表情特征是高层语义，浅层的边缘检测、颜色纹理特征本来就通用，一起微调不会带来明显泛化损失，反而省去了反复试验冻结层数的麻烦。

epoch数我建议先从40轮开始。表情识别不是越大越好，FER2013上跑到20轮左右验证集准确率基本已经进入平台期，继续硬训只会看到训练loss继续降、验证acc波动横盘。把epoch从80改成40，训练时间减半，最终精度几乎不变。如果嫌40轮不保险，配合早停看验证loss连续5轮不降就停，同样是省时间的好策略。

4.3 训练主循环与checkpoint保存：每个epoch记什么

训练循环要写对三件事：模型train/eval模式切换、梯度清零、checkpoint里保存哪些字段。下面是一个可复用的主循环骨架。

def train_one_epoch(model, loader, optimizer, criterion, device): model.train() total_loss, correct, total = 0.0, 0, 0 for images, labels in loader: images, labels = images.to(device), labels.to(device) optimizer.zero_grad() logits = model(images) loss = criterion(logits, labels) loss.backward() optimizer.step() total_loss += loss.item() * images.size(0) correct += (logits.argmax(dim=1) == labels).sum().item() total += images.size(0) return total_loss / total, correct / total def validate(model, loader, criterion, device): model.eval() total_loss, correct, total = 0.0, 0, 0 with torch.no_grad(): for images, labels in loader: images, labels = images.to(device), labels.to(device) logits = model(images) loss = criterion(logits, labels) total_loss += loss.item() * images.size(0) correct += (logits.argmax(dim=1) == labels).sum().item() total += images.size(0) return total_loss / total, correct / total

这两个函数覆盖了训练和评估的最小闭环：train模式会启用Dropout和BN的批次统计，eval模式会关闭Dropout并用BN的全局均值方差，这两者必须配对出现，否则验证指标没有参考价值。loss.backward()之后必须带上optimizer.step()和optimizer.zero_grad()，缺少任何一个都会梯度累积或原地不动。validate里用torch.no_grad()包裹推理，省显存且不会误改梯度。

checkpoint推荐每轮都保存，但只保留最优和最后一轮。

best_acc = 0.0 for epoch in range(1, 41): train_loss, train_acc = train_one_epoch(...) val_loss, val_acc = validate(...) print(f"epoch {epoch:02d} train_acc {train_acc:.4f} val_acc {val_acc:.4f}") checkpoint = { "epoch": epoch, "model_state": model.state_dict(), "optimizer_state": optimizer.state_dict(), "val_acc": val_acc, } if val_acc > best_acc: best_acc = val_acc torch.save(checkpoint, "best_model.pt") if epoch % 10 == 0: torch.save(checkpoint, f"checkpoint_epoch{epoch}.pt")

保存模型时不要只存model.state_dict()，要把epoch、优化器状态、验证集准确率一起存进去。原因是训练被打断时，光有模型权重没法恢复学习率位置和momentum状态；而best_model.pt里存了val_acc，你在写报告时可以直接读出来填表，不需要重新跑一遍推理。

5. 训练和推理中的常见坑：从加载报错到识别率上不去的排查笔记

模型代码能在本地跑通，和模型真正出成绩，中间隔着一条全是坑的路。这一章的每条记录都是实际复现排错时会遇见的现象，按“现象→原因→解决”写，遇到问题能直接对号入座。

5.1 迁移学习加载预训练权重后loss不降反升

现象：导入torchvision的resnet18预训练模型，把fc改成7类，用lr=0.001开始训练，第一个epoch的loss接近2.0，之后不降反升，到第三个epoch直接变成nan。

原因：多半是学习率相对于batch_size过大了。迁移学习场景里预训练权重已经很接近最优点，过大学习率会让权重一步跨出合理区间；另外如果代码里对输入做了错误归一化，比如用0到255的原始像素值直接喂给模型，BN层会算出一个方差极大的批次统计量，loss必然爆炸。

解决：先确认Normalize和ToTensor顺序正确，ToTensor会把像素缩放到0到1，Normalize再按ImageNet均值方差做标准化；然后把lr降到0.0001试跑两个epoch，如果loss还是发散，把batch_size减半再看梯度是否正常。这个坑八成不是网络写错了，而是输入分布和预训练权重不匹配。

5.2 训练loss下降但验证准确率卡在60%附近，怎么调都上不去

现象：训练集loss从1.8降到0.4，训练集准确率到95%，验证集准确率始终在58%到62%之间抖动，换ResNet34也一样。

原因：这个现象优先怀疑两个方向——类别不均衡和验证集分布错位。FER2013的PublicTest和PrivateTest划分与训练集同源，但如果你的解析脚本把PrivateTest也合进了训练集，验证集就只剩下难度更高的PublicTest，准确率上限会被压低。另一个常见原因是验证集缺了Normalize，或者Resize尺寸不一致，比如训练用224、验证用256，模型看到的特征尺度完全不一样。

解决：先把验证集和训练集的transforms逐行对比，确保只有数据增强不同，归一化和resize必须一致；再用脚本统计验证集各类别样本数，如果差异极大，按照2.3节的做法处理训练集；最后在验证时打印每个类别的分类准确率而不是只看总体acc，你会发现某些类别只有30%，那问题就清楚地指向不均衡或标注噪声。

5.3 推理阶段同一张图片每次预测的结果都不一样

现象：训练完加载best_model.pt，对同一张测试图片连续跑两次，第一次预测happy，第二次预测sad，概率分布每次都有微小浮动。

原因：推理时没有切换模型到eval模式。模型里的Dropout层在train模式下是随机失活神经元的，每次前向传播都在采样不同子网络，输出自然不稳定。加载完checkpoint后必须执行model.eval()，并且推理代码包在torch.no_grad()里。

解决：在predict函数开头加model.eval()，再调用model(images)；如果此时图片还带着requires_grad，输出会累积计算图导致显存上涨，用torch.no_grad()包住推理段。顺手检查一下checkpoint加载的键名，model_state_dict和model.state_dict()的key顺序不一致时，load_state_dict会报missing keys，这个报错信息里列出来的key可以帮助定位到底有没有真正把权重载入。

5.4 CPU训练一个epoch要十几分钟，GPU显存又不够

现象：笔记本CPU跑ResNet18，输入224×224，batch_size设64，一个epoch要17分钟，40轮就是十几个小时；换成GPU后batch_size想设128，直接OutOfMemory。

原因：CPU慢是预期内的，但很多人的慢来自不必要的开销——DataLoader的num_workers设成0，图片解码和预处理全在主进程串行；GPU OOM则是batch_size和输入尺寸吃掉了显存，ResNet18在224×224分辨率下，batch_size 64大约需要6到8GB显存，集成显卡根本扛不住。

解决：CPU训练先限缩到最小配置——输入尺寸改176×176（ResNet18可以接受非正方形输入，池化层会自动适配），batch_size降到16，num_workers设成你的CPU逻辑核数的一半，pin_memory=True。GPU训练则把batch_size从32开始试，OOM就减半，直到不报错为止；如果有混合精度条件，torch.cuda.amp的GradScaler能把显存占用砍掉约一半，训练速度也更快。表情识别这个数据量，没有GPU也能出结果，就是把batch_size和epoch数调小，多等一个晚上而已。

5.5 把PyTorch模型导出成ONNX后预测准确率下降

现象：用torch.onnx.export导出模型，在onnxruntime里跑推理，发现和PyTorch原模型预测结果不一致，某些图片的类别直接反转。

原因：最常见是导出时没固定输入尺寸，动态shape导致Resize和Normalize的输出布局变化；也可能是导出前模型处于train模式，Dropout层被带进了ONNX图。

解决：导出前强制model.eval()，export接口里设置input_names、output_names和opset_version；如果是自定义的transforms里的操作，导出的ONNX只包含网络图，不含预处理，确保外部推理时预处理和训练时一致，尤其是Normalize的mean/std不能漏。导出完后用onnxruntime直接跑一次对比脚本，把每个类别的概率列出来核对。

6. 进阶验证：用混淆矩阵和遮挡测试判断模型是否真的可用

模型训练完毕，准确率数字能看了，但离“能交差”还差一步——要证明模型是真的在识别人脸表情，而不是在背训练集。这一步在答辩和工程对接里价值很高。

6.1 混淆矩阵：定位模型到底在哪些类上打架

先在验证集上跑一遍推理，收集所有真实标签和预测标签，用sklearn画出混淆矩阵。

from sklearn.metrics import confusion_matrix import seaborn as sns import matplotlib.pyplot as plt emotion_names = ["angry", "disgust", "fear", "happy", "sad", "surprise", "neutral"] all_preds, all_labels = [], [] model.eval() with torch.no_grad(): for images, labels in valid_loader: logits = model(images.to(device)) preds = logits.argmax(dim=1).cpu() all_preds.extend(preds.numpy()) all_labels.extend(labels.numpy()) cm = confusion_matrix(all_labels, all_preds) sns.heatmap(cm, annot=True, fmt="d", cmap="Blues", xticklabels=emotion_names, yticklabels=emotion_names) plt.show()

逻辑说明：argmax(dim=1)取每个样本概率最大的类作为预测结果；confusion_matrix的行是真值、列是预测值，对角线越亮说明分类越可靠。表情识别里最常见的混淆对是fear和surprise——两者都有睁大眼睛的形态，张嘴幅度相近；sad和neutral也容易混，因为平静表情和轻度悲伤在嘴部、眉部特征上高度重叠。看到这两对混在一起，说明模型行为正常，属于数据本身的类间相似度高，报告里写清这一点反而是加分项。

6.2 遮挡敏感性测试：哪些区域对预测结果影响最大

比混淆矩阵更直观的是遮挡测试。把测试图片的眼睛区域、嘴巴区域分别涂黑，再送入模型看预测变化。

def occlude_and_predict(model, image_tensor, bbox, device): # image_tensor 是 (C, H, W) 的归一化张量 occluded = image_tensor.clone() x1, y1, x2, y2 = bbox occluded[:, y1:y2, x1:x2] = 0.0 with torch.no_grad(): logits = model(occluded.unsqueeze(0).to(device)) return torch.softmax(logits, dim=1).squeeze(0) # 眼睛区域、嘴巴区域按 224x224 输入图的坐标估算 eye_bbox = (60, 70, 164, 110) mouth_bbox = (70, 160, 150, 190)

这个测试回答一个关键问题：模型是依赖眼睛和嘴部这些语义区域做判断，还是靠背景、肤色等无关线索。如果遮住眼睛后预测从surprise变成neutral，说明模型确实抓到了眼部特征；如果遮住背景区域预测却大幅变化，说明模型学偏了，需要回去检查数据增强里的RandomResizedCrop是否裁剪过狠，或者训练集里是否混入了大量背景干扰。遮挡测试在答辩现场演示效果很好，两张图一对比，模型的决策依据一目了然。

我的习惯是最终把这三个东西放进交付报告：best_model.pt、混淆矩阵热力图、遮挡测试效果图。模型文件保证可复现，两张图用来证明“模型学的是表情”。表情识别这个方向，ResNet18加迁移学习加正确的数据增强，已经能做出70%左右的验证准确率，比起堆模型深度，把数据分布吃透、把验证手段做全，才是让它从“能跑”变成“可信”的关键。希望这些踩过的坑能帮你少走几步弯路。

本文还有配套的精品资源，点击获取