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1w 收藏 51
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

人脸属性分析：表情识别_（8）.表情识别数据集
zhubeibei168的博客
03-09 693
数据集在表情识别任务中起着至关重要的作用。高质量的数据集可以显著提高模型的性能和泛化能力。本节详细介绍了几个常用的表情识别数据集，包括FER2013、CK+、AffectNet和OULU-CASIA。我们还讨论了数据预处理、管理工具、数据集扩展和合成等关键技术，并指出了数据集面临的挑战和未来的研究方向。希望这些内容能够帮助您更好地进行表情识别的研究和开发。
【人脸表情识别】微表情识别系统【含GUI Matlab源码 1808期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
01-14 1546
微表情识别系统 完整的代码，方可运行；可提供运行操作视频！适合小白！
微表情识别CASME2数据集下载指南
gitblog_06627的博客
09-26 752
微表情识别CASME2数据集下载指南 【下载地址】微表情识别CASME2数据集下载指南 微表情识别CASME2数据集下载指南本仓库提供了一个资源文件的下载，该资源文件为微表情识别CASME2数据集 项目地址: https://gi...
计算机视觉-表情识别数据集
01-13
表情识别数据集，共有7种表情，分别对应于数字标签0-6，具体表情对应的标签和中英文如下：0 anger 生气； 1 disgust 厌恶； 2 fear 恐惧； 3 happy 开心； 4 sad 伤心；5 surprised 惊讶； 6 normal 中性。
中科院 CASME 表情 数据库 下载教程
Gigavision的博客
08-24 1091
论文地址：链接：https://pan.baidu.com/s/1PggKePEXd324YjkX9AVTHA 提取码：npafCASME （Chinese Academy of Sciences Micro-Expression ）是中国科学院心理研究所发布的第一个微表情数据库，旨在为微表情识别和分析研究提供基础数据。微表情是人类在情绪受到抑制时不经意间流露出的短暂面部表情，通常持续时间非常短。CASME 数据库的构建为微表情研究领域提供了宝贵的资源。
SMIC 微表情数据集下载
Gigavision的博客
09-20 1252
SMIC 微表情数据集下载
中科院 CASME II 表情 数据库 下载
Gigavision的博客
08-25 1236
CASME II 数据库的使用需要遵循许可协议，通常要求在相关学术论文中引用原始数据库论文。研究人员使用该数据库时，需确保符合伦理规范并尊重参与者的隐私权。这个数据库为微表情研究提供了坚实的数据基础，是微表情自动检测与分析领域的重要资源。
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。
微表情数据集汇总(全)
pywin
11-12 8696
最近一段时间收集了一些微表情的数据集，主要有两个目的，一是做一个汇总，二是为了正在找相关数据集的同学提供一个方便。如果你有文中未提到的数据集可以在下面留言附上链接，万分感谢~ CK+:http://www.pitt.edu/~emotion/ck-spread.htm MMI:https://mmifacedb.eu/ FER-2013:https://www.kaggle.com/c/chal...
表情识别数据集
12-27
包含了213幅（每幅图的分辨率：256像素×256像素）日本女性的脸相，每幅图像都有原始的表情定义。共10个人，每个人有7种表情（中性脸、高兴、悲伤、惊奇、愤怒、厌恶、恐惧），每种表情各三张
微表情识别
11-16
就深度学习的方式对人类的微表情数据进行识别，主要是基于inception_v3模型为框架
表情识别数据集(Jaffe\CK+\Fer2013)
12-22
表情识别数据集(Jaffe\CK+\Fer2013)
表情识别--JAFFE数据集
04-21
表情识别--JAFFE数据集 表情识别--JAFFE数据集 表情识别--JAFFE数据集 表情识别--JAFFE数据集
表情识别数据集fer2013
09-10
Dataset from https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data Image Properties: 48 x 48 pixels (2304 bytes) labels: 0=Angry, 1=Disgust, 2=Fear, 3=Happy, 4=Sad, 5=Surprise, 6=Neutral The training set consists of 28,709 examples. The public test set consists of 3,589 examples. The private test set consists of another 3,589 examples. 原链接网速过慢，特上传一份仅供学习
CASME2视频分帧
GYY8023的博客
05-17 400
【代码】CASME2视频分帧。
微表情识别综述总结
a1351937368的博客
07-22 3326
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。
微表情数据集总结
fy291021851的博客
10-12 2344
表情标签：开心、悲伤、惊讶、害怕、厌恶、生气、中立；时序状态（表情开始帧-->峰值帧-->结束帧，onset-->apex-->offset）数据集大小：训练集含28709张图片, 验证集含3589张图片，测试集含3589张图片，分辨率48*48，数据及标签存放在csv文件里。数据集大小： 受试者 36，平均年龄22.35，包含微表情视频样本 300，宏表情视频样本 900 样本来自亚洲人。表情标签：开心、悲伤、惊讶、害怕、厌恶、生气、中立；表情标签：开心、悲伤、惊讶、害怕、厌恶、生气、中立、轻蔑；
微表情识别CASME2数据集：开启微表情研究的新篇章
gitblog_06645的博客
09-26 994
微表情识别CASME2数据集：开启微表情研究的新篇章 【下载地址】微表情识别CASME2数据集下载指南 微表情识别CASME2数据集下载指南本仓库提供了一个资源文件的下载，该资源文件为微表情识别CASME2数据集 项目地址: ht...
微表情识别数据集
最新发布
03-23
### 微表情识别数据集 CASME2 的获取方法 微表情作为一种短暂且不易察觉的人类情绪表现形式，在情感计算和人工智能领域具有重要的研究价值。为了支持这一领域的研究工作，CASME2 数据集被广泛应用于微表情识别的任务中[^1]。 #### 数据集简介 CASME2 是目前最常用的微表情数据库之一，它提供了丰富的微表情样本，覆盖多种情绪类别和表情变化模式。这些样本能够帮助研究人员深入理解微表情的特点及其背后的情感信息[^2]。 #### 下载途径 对于希望获得 CASME2 数据集的研究人员或开发者来说，可以通过以下方式完成下载： 1. **官方渠道** 访问 CASME2 官方网站或者相关学术机构发布的链接页面，通常会附带详细的使用协议和技术文档说明。具体地址可能因时间更新有所变动，请通过搜索引擎查找最新版本的发布源。 2. **第三方平台分享** 部分科研工作者会在个人主页或其他公开平台上共享已整理好的数据包。例如 CSDN 提供了一条可供参考的下载路径：<https://download.csdn.net/download/qq_53332949/89720578>。需要注意的是，从这类非正式来源获取资料时务必确认其合法性和完整性[^3]。 3. **联系作者团队** 如果遇到无法正常访问的情况，可以直接邮件联系原始论文中的通讯作者请求协助获取完整的数据集合副本。这种方式虽然耗时较长但成功率较高。 以下是简单的 Python 脚本示例代码片段展示如何初步加载本地存储的数据文件（假设为图像序列格式）： ```python import os from PIL import Image def load_casme2_data(data_dir): subjects = [] for subject_folder in sorted(os.listdir(data_dir)): if not os.path.isdir(os.path.join(data_dir, subject_folder)): continue frames = [] frame_files = sorted([f for f in os.listdir(os.path.join(data_dir, subject_folder))]) for img_file in frame_files: img_path = os.path.join(data_dir, subject_folder, img_file) try: with Image.open(img_path) as im: frames.append(im.convert('L')) # Convert to grayscale except Exception as e: print(f"Error loading {img_path}: {e}") subjects.append(frames) return subjects ``` 此函数实现了遍历指定目录下的子文件夹并读取其中所有的图片帧操作，最终返回按主体分类后的灰度图列表结构以便后续处理分析。
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