基于视觉信息的情感识别。

问题定义

设计一个可运行系统：用户提交面部图像，应用验证并预处理图像，训练模型估计表情类别，再通过清晰界面返回结果。

具体贡献

完成文献综述、需求分析、系统架构、前端和服务端实现、模型集成、测试、结果分析、隐私考虑和最终技术报告。

实现

报告描述了 Java/Tomcat Web 应用与 Python/PyTorch 流程，并使用预训练 Swin Transformer；讨论的数据来源包括 FER2013、RAF-DB 和合成增强数据。

报告结果

最终报告记录的总体准确率为 76.25%。该数字仅作为报告中的结果展示，本站构建过程中没有独立复现实验。

已形成的证据

功能与非功能需求、架构、异常处理、响应式界面、模型测试、混淆矩阵和类别级分析。

数据集限制

公开数据集在光照、姿态、人群构成、标注规则和采集环境上存在差异，限制了直接比较与现实泛化。

验证改进

后续应优先考虑主体级划分、校准、多次重复实验、消融、外部测试，以及合成增强与真实留出数据的明确比较。

负责任边界

这是学术演示系统，不是诊断、心理判断或监控工具。真实部署必须明确处理图像同意、保留、偏差和不确定性。