在使用CoreML進行情緒辨識之前，我們需要先訓練能夠辨識情緒影像的模型。而在開始訓練之前，首先需要搜集大量的圖片用來作為模型訓練的數據，若準備的圖片數量越多則可以讓數據資料更為準確。

搜集圖片

1. 首先我們要新增兩個資料夾，分別為Training Data與Testing Data，等等會將圖片分別放入。
   

2. 分別在兩個資料夾中都新增要判斷的情緒資料夾，由於我們的app有六種情緒可以判斷，因此我們新增了六個資料夾，並分別以Angry、Happy、Neutral、Sad、Surprise、Contempt命名。
   

3. 接著搜集許多代表不同情緒的臉部圖片，可以自己嘗試擺出各種表情，也可以請親朋好友幫忙。由於需要的圖片數量非常龐大，因此我們上網找尋了免費的圖片資源，存下來作為我們訓練模型的數據。

判斷圖片情緒

1. 為了要讓進行訓練的圖片有一定的準確度，因此我們將準備好的圖片放入微軟(Microsoft Azure)提供的免費線上臉部辨識服務。
   

2. 得出圖片的情緒數值後，進行篩選分類，若完全不符合預設情緒則移除。將符合的圖片，依情緒量值分為0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9與1.0，0.1代表準確度最低，1.0則代表準確度最高。
   

3. 將欲使用的圖片都判斷準確度後，挑選出準確度較高(0.9與1.0)的圖片，將他移到Training Data的資料夾，並從剩餘圖片中挑選想要進行測試的圖片，移到Testing Data的資料夾，便完成了CoreML的事前準備工作。
   

Microsoft Azure：https://azure.microsoft.com/zh-tw/services/cognitive-services/face/#demo