人脸表情识别数据集分享（AffectNet、RAF-DB、FERPlus、FER2013、ck+）

博主研究生期间做的是表情识别相关的研究，这里整理了几个比较常用的数据集，我论文中使用的是AffectNet、RAF-DB、FERPlus，这几个数据集标注质量较高，适合用来训练和测试模型。

博主这里将所有类别的图片统一存放在/train（训练集）和/test（测试集）文件夹下，并通过标签文件关联类别，并使用dataset文件加载和预处理数据集（如图9），亲测这种方式可以复现精度，典型的数据集结构示例如下：

data

├── train/ # 训练集图片（混合类别）

│ ├── img1.jpg

│ ├── img2.jpg

│ └── ...

├── test/ # 测试集图片（混合类别）

│ ├── img1001.jpg

│ ├── img1002.jpg

│ └── ...

├── train_labels.csv # 训练集标签

├── test_labels.csv # 测试集标签

└── dataset.py # 数据集加载及预处理

下面分别介绍一下几种数据集：

1、AffectNet

        表情识别领域最大的数据集，经过裁剪处理之后只有4.6G，图片尺寸224x224，七分类八分类均有。包括训练集（26w+张）、测试集（4k张）、标签文件、dataset文件等。如图：

2、RAF-DB

        表情识别领域最受欢迎的数据集，图片较为轻量，尺寸为100x100，七分类。包括训练集（1.2w+张）、测试集（3k+张）、标签文件、dataset文件等。如图：

3、FERPlus

        FERPlus是对原始 FER2013 数据集的扩展，图片尺寸48x48，八分类。包括训练集（2.8w+张）、测试集（3k+张）、标签文件、dataset文件等。如图：

4、FER2013、ck+

FER2013和ck+数据集都是七分类数据集，图片是按照七个类别来分的，如图：

5、使用方式

数据集的使用方式可以参考我的上一篇文章：

人脸表情识别数据集的正确使用方法（Affectnet、RAF-DB、FERPlus数据集通用）-CSDN博客

这些数据集大多可在官网或学术平台申请下载（需填写使用协议），如果需要博主处理后的数据集或使用建议，可以私信或者关注留言。