微表情识别相关数据集及获取地址、微表情识别数据集、微表情数据集

已于 2022-08-04 11:55:27 修改
阅读量9.3k 收藏 48
点赞数 6
分类专栏： 计算机视觉 文章标签： 计算机视觉 机器学习 人工智能
于 2019-09-09 16:26:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Kansas_Jason/article/details/100666026
版权

使用数据集需要自己签订协议，给作者发送邮件下载，所以由于版权的问题，在这里就只能提供相关的下载地址和方法，并没有直接把数据集放在这

SMIC: http://www.cse.oulu.fi/SMICDatabase

SAMM数据集：MH Yap - Datasets/Software

CASME 、CASME2、CAS(ME)^2 :欢迎访问傅小兰课题组网站(链接点进去，在右侧有三个数据集的相应栏目) 

相关比赛会议：

MEGC2018：MEGC Workshop | IEEE FG 2018

MEGC2019: Facial-Micro-Expression-Grand-challenge

MEGC 2020 :MEGC2020

EvaJason
关注
  • 6
    点赞
  • 踩
  • 48
    收藏
    觉得还不错? 一键收藏
  • 41
    评论
专栏目录
基于人脸的常见表情识别实战--数据集制作
skjmom的博客
11-15 1122
生成人脸嘴唇局部数据集，用来识别表情
微表情识别CASME2数据集
12-02
如题，请访问文档中的地址下载微表情识别CASME2数据集。
用于微表情识别的三维卷积神经网络进化方法
07-07
由于微表情持续时间短、动作幅度小，因此微表情自动识别一直是一个具有挑战性的问题。针对上述问题，提出一种用于微表情识别的三维卷积神经网络进化（ Three-dimensional ConvoluTIonal Neural Network EvoluTIon，C3 Devol）方法。该方法使用能有效提取动态信息的三维卷积神经网络（ Three-dimensional ConvoluTIonal Neural Network，C3D）来提取微表情在时域和空域上的特征;同时使用具有全局搜索和优化能力的遗传算法对C3D的网络结构进行优化，以获取最优的C3D网络结构和避免局部优化。利用 CASME2数据集在带有两块 NVIDIA TItan X gpu的工作站上开展了实验，结果表明C3 Devol微表情自动识别的准确率达到63.71%，优于现有的微表情自动识别方法。
⌈ 传知代码 ⌋ 微表情识别系统
Dream_Y.ocean的博客
06-04 922
面部表情图像预处理是面部表情识别的重要步骤,主要目的是在于提取特征之前排除一切与面部表情无关的干扰因素。例如,环境光照、姿势和不同背景等。在干扰排除后,将人类面部直接与公共参考系相对接、使每个面部特征对应的语义位置精准无误。人脸检测、人脸对齐、数据增强、人脸一是实现面部表情图像预处理的主要方法综上，我们基本了解了“一项全新的技术啦”🍭~~恭喜你的内功又双叒叕得到了提高！！！后续还会继续更新💓，欢迎持续关注📌哟~💫如果有错误❌，欢迎指正呀💫【传知科技 – 了解更多新知识】加粗样式。
2022年微表情数据库SMIC申请协议书分享
05-17
官网找不到的可以下载我这个
CASME II: An Improved Spontaneous Micro-Expression Database and the Baseline Evaluation
02-22
CASME II: An Improved Spontaneous Micro-Expression Database and the Baseline Evaluation
人脸表情识别数据集-CK+
04-12
人脸8种动态彩色表情数据集，包括123个subjects, 593 个 image sequence，每个image sequence的最后一张 Frame 都有action units 的label，而在这593个image sequence中，有327个sequence 有 emotion的 label。这个数据集是人脸表情识别中比较流行的一个数据集，很多文章都会用到这个数据做测试。 资源包括数据集压缩文件和数据集介绍、公开论文文档
Micro-Expression Classification based on Landmark Relations with Graph AttentionConvolutionalNetwork
weixin_55768678的博客
02-20 2323
2021CVPR 研究内容及背景 文章贡献 •我们提出了一种端到端地标辅助的双流图形注意力卷积网络，该网络将地标点位置和光流信息相结合，对面部微表情进行分类。 •我们设计了一个图来提取时间信息使用三帧结构。我们使用两个流图的注意网络，一个用于节点位置，另一个用于光流补丁信息，然后将它们融合。我们描述了一种基于光流幅值从视频中自动选择高强度表达帧的方法。 •我们在两个公开可用的数据集上为3类和5类面部微表情提供了一个全面的评估。 整体框架 1.利用欧拉运动放大率(EMM)对信号进行放大，提取放大
微表情识别综述总结
a1351937368的博客
07-22 2086
可以将面部表情分割为肌肉的各个部分的运动，这个被称为AUs即运动单位，AUs可以有效地解决个体表达的歧义问题，并且能够提高微表情识别的性能。
2020-12-21
sdusgq的博客
12-21 230
文章：Revealing the Invisible with Model and Data Shrinking for Composite-database Micro-expression Recognition 一、代码 Datasets.py import os import torch import numpy as np from PIL import Image import matplotlib.pyplot as plt class MEGC2019(torch.utils.data.D
表情识别数据集
lanlin的博客
03-20 546
CREMA-D 是一个情感多模态演员数据集，包含来自 91 位演员的 7,442 个原始剪辑。这些片段来自 48 名年龄在 20 至 74 岁之间的男性演员和 43 名女性演员，他们来自不同的种族和民族（非裔美国人、亚洲人、高加索人、西班牙裔和未指明的人）。演员们从12句话中选出。这些句子使用六种不同的情绪（愤怒、厌恶、恐惧、快乐、中性和悲伤）和四种不同的情绪水平（低、中、高和未指定）中的一种来呈现。参与者根据组合的视听呈现、视频和音频对情绪和情绪水平进行评分。
Python-CVPR2018微表情识别论文实现代码
08-11
Experimentation of deep learning on the subjects of micro-expression spotting and recognition.
微表情的研究
03-09
微表情是人类试图压抑或隐藏真实情感时泄露的非常短暂的'不能自主控制的面部表情(作为识别谎言的有效线索"微表情可应用于安全'司法'临床等领域(本文概述微表情识别的研究情况"包括微表情识别的心理学研究'自动微表情识别研究和微表情数据库的构建要求"以及微表情表达的研究进展"并展望微表情研究的未来发展方向
使用casme2数据集训练的微表情识别，支持摄像头、图片视频检测。.zip
12-24
图像检测图像检测图像检测图像检测图像检测图像检测图像检测图像检测图像检测图像检测 图像检测图像检测图像检测图像检测图像检测图像检测图像检测图像检测图像检测图像检测 图像检测图像检测图像检测图像检测图像...
结合C3D与光流法的微表情自动识别
05-06
由于微表情动作幅度小且持续时间短, 使其识别难度大. 针对此问题, 提出一个结合三维卷积神经网络(3D... 在开放数据集CASMEⅡ上进行了模拟实验, 实验表明本文所提出的方法对微表情的识别准确率达到67.53%, 优于现有方法.
基于python 实现的多特征融合的微表情识别
最新发布
06-08
【作品名称】：基于python 实现的多特征融合的微表情识别 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：环境说明： ...
基于模式识别的微表情识别系统的设计.doc
10-19
《基于模式识别的微表情识别系统的设计》 微表情识别技术是现代计算机视觉领域的一个重要研究方向，尤其在模式识别的框架下，它利用机器学习和深度神经网络的进步，为理解和解析人类情绪提供了新的手段。微表情，是...
数据库2
ljinshuo的博客
02-18 284
RDBMS：关系结构类型数据库：使用二位表格来存储数据 RDBMS=管理员（manager）+仓库（database） database=N个table table： 表结构：定义表的列名和列类型 表记录：一行一行的记录 sql语言分类： 1）DDL（Data Ddfinition Language）：数据定义语言，用来定义数据库对象：库、表、列等；数据库或表的结构操作。 2）DML（Data M...
处理数据集用到的脚本文件
unbekannten的博客
04-06 801
1.图片归一化 import numpy as np from PIL import Image import os from numpy import * import cv2 #导入openCV input_dir = './road/JPEGImages/' #文件夹名字后一定要加/，才能识别为打开文件夹中的内容 out_dir1 = './After_graying_' #进行灰度化后的图片保存在该文件夹下 o
深度学习微表情识别数据集
07-28
深度学习微表情识别的数据集包括CASME II和SAMM数据集。这些数据集被广泛用于研究微表情识别算法的性能。在CASME II数据集中，包含了由观察者观察到的微表情视频，共计247个样本。而SAMM数据集则包含了由多个观察者观察到的微表情视频，共计159个样本。这些数据集提供了丰富的微表情样本，可以用于训练和评估深度学习模型的性能。\[1\]\[2\]为了扩大数据集并减少微表情定位的不利影响，一些研究还提出了双终端微表情采集策略，并将其应用于光流图中，以捕捉微表情的时空信息。\[3\] #### 引用[.reference_title] - *1* *2* *3* [Micro-expression recognition with supervised contrastive learning基于监督对比学习的微表情识别](https://blog.csdn.net/weixin_55768678/article/details/127316407)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 41
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值