【抑郁检测数据集】: AVEC2013、AVEC2014、AVEC2017（DAIC-WOZ）、AVEC2019（E-DAIC）、EATD、CMDC下载方式

已于 2024-02-26 16:38:31 修改
阅读量1.7w 收藏 132
点赞数 24
分类专栏： 数据库 抑郁检测 情感识别 文章标签： 数据库
于 2021-04-12 11:11:02 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/qq_41967982/article/details/115615945
版权

AVEC 2013 && AVEC 2014：
官网：http://avec2013-db.sspnet.eu/
经常打不开
建议直接给作者发邮件询问Michel.Valstar@imperial.ac.uk

AVEC 2017：
DAIC-WOZ数据库：
官网：https://dcapswoz.ict.usc.edu/
下载方式：
下载打印协议
https://dcapswoz.ict.usc.edu/wwwutil_files/DAICWOZDEP_EULA.pdf（打不开就从官网里打开）
签署后发送到boberg@ict.usc.edu

AVEC 2019：
Extended-DAIC（E-DAIC）数据库：
官网：https://www.ihp-lab.org/resources/
下载方式：
下载打印协议
https://www.ihp-lab.org/downloads/Extended-DAIC-BLANK_EULA.pdf
签署后发送到boberg@ict.usc.edu

EATD
中文抑郁库
官网&下载方式：https://github.com/speechandlanguageprocessing/ICASSP2022-Depression/

CMDC
中文抑郁库
官网：https://github.com/CMDC-corpus/CMDC-Baseline
下载链接：https://drive.google.com/drive/folders/1BnpE-xfQmRbQPWW4wxc_llMPkI2GZ2cy
（需要签署 EULA 文件发送到zoubochao@ustb.edu.cn 获得解压密码）

CC_21H
关注
专栏目录
AVEC2014数据集下载
05-26
AVEC2014数据集下载，AVEC 2014数据集是一个针对音频、视频和音视频情感分析的基准测试集，也涵盖了抑郁症的自动估计。该数据集包含一些任务特定的人机交互场景，被认为是非典型的自然行为反应，并且符合现实世界中可能会遇到的种类。数据集中的音频和视频数据都是通过Webcam和麦克风记录的，并为每个场景提供了有关主观情绪状态的注释。该数据集的目标是使参与者能够进行连续时间、连续值的情感识别，包括3D维度情感：价值、唤起和支配力，以及抑郁量表II上的自我报告。
Depression_Dataset：从Kaggle.com探索抑郁数据集
02-12
Depression_Dataset 从Kaggle.com探索抑郁数据集
基于ResNet网络+AVEC2014数据集实现抑郁症诊断python源码+数据集+运行说明.zip
12-04
【项目介绍】 基于ResNet网络+AVEC2014数据集实现抑郁症诊断python源码+数据集+运行说明.zip ResNet网络的应用—抑郁症诊断 使用数据集：**AVEC2014** 数据集下载地址 <a href="https://pan.baidu.com/s/1Dt6BhVnRoTaxJ4edk0w7aQ?pwd=AVEC">AVEC2014</a> 提取码：AVEC 预处理： ​ 1.**采样**，AVEC2013每个视频取100帧，保留原始label ​ 2.**人脸对齐裁剪**，使用**MTCNN**工具 ### 文件介绍 ``` preprocess.py 主要用于预处理视频信息，从中提取帧，并在视频帧中提取人脸 函数：generate_label_file() 将运来的label合并为一个csv文件 函数：get_img() 抽取视频帧，每个视频按间隔抽取100-105帧 函数：get_face() 使用MTCNN提取人脸，并分割图片 model.py 模型的网络结构 ``` ``` load_data.py 获取图片存放路径以及将标签与之对应 writer.py 创建Tensorboard记录器，保存训练过程损失 dataset.py 继承torch.utils.Dataset,负责将数据转化为torch.utils.data.DataLoader可以处理的迭代器 train.py 模型训练 validate.py 验证模型 test.py 测试模型的性能，并记录预测分数，保存在testInfo.csv,记录了每张图片的路径，label,预测分数 main.py 模型训练入口文件 ``` ``` img 提取的视频帧文件 log Tensorboard日志文件 model_dict 训练好的模型参数文件 processed 存放预处理完成之后的人脸图片，label文件 AVEC2014 数据集存放位置 ``` ``` 查看训练日志方法： 安装tensorboard库之后，输入命令tensorboard --lofdir log_dir_path,打开命令执行后出现的网址即可 log_dir_path是存放Tensorboard日志文件的文件夹路径 ``` ``` 运行顺序:preprocess.py--->main.py--->test.py ``` 【备注】 1.项目代码均经过功能验证，确保稳定可靠运行。欢迎下载食用体验！ 2.主要针对各个计算机相关专业，包括计算机科学、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师、企业员工。 3.项目具有丰富的拓展空间，不仅可作为入门进阶，也可作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.鼓励大家基于此进行二次开发。在使用过程中，如有问题或建议，请及时沟通。 5.期待你能在项目中找到乐趣和灵感，也欢迎你的分享和反馈！
MSA+抑郁症模型总结（三）（论文复现）
最新发布
wei_shuo的博客
07-31 977
MSA+抑郁症模型总结（三）（论文复现）
深度学习基于AVEC2014数据集和Resnet网络实现的抑郁症诊断系统python源码+运行说明+数据集.zip
01-16
1.项目代码功能经验证ok，确保稳定可靠运行。欢迎下载使用！在使用过程中，如有问题或建议，请及时私信沟通，帮助解答。 2.主要针对各个计算机相关专业，包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间，不仅可作为入门进阶，也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 深度学习基于AVEC2014数据集和Resnet网络实现的抑郁症诊断系统python源码+运行说明+数据集.zip 项目介绍 ResNet网络的应用—抑郁症诊断 使用数据集：**AVEC2014** 数据集下载地址 <a href="https://pan.baidu.com/s/1Dt6BhVnRoTaxJ4edk0w7aQ?pwd=AVEC">AVEC2014</a> 提取码：AVEC 预处理： ​ 1.**采样**，AVEC2013每个视频取100帧，保留原始label ​ 2.**人脸对齐裁剪**，使用**MTCNN**工具 ### 文件介绍 ``` preprocess.py 主要用于预处理视频信息，从中提取帧，并在视频帧中提取人脸 函数：generate_label_file() 将运来的label合并为一个csv文件 函数：get_img() 抽取视频帧，每个视频按间隔抽取100-105帧 函数：get_face() 使用MTCNN提取人脸，并分割图片 model.py 模型的网络结构 ``` ``` load_data.py 获取图片存放路径以及将标签与之对应 writer.py 创建Tensorboard记录器，保存训练过程损失 dataset.py 继承torch.utils.Dataset,负责将数据转化为torch.utils.data.DataLoader可以处理的迭代器 train.py 模型训练 validate.py 验证模型 test.py 测试模型的性能，并记录预测分数，保存在testInfo.csv,记录了每张图片的路径，label,预测分数 main.py 模型训练入口文件 ``` ``` img 提取的视频帧文件 log Tensorboard日志文件 model_dict 训练好的模型参数文件 processed 存放预处理完成之后的人脸图片，label文件 AVEC2014 数据集存放位置 ``` ``` 查看训练日志方法： 安装tensorboard库之后，输入命令tensorboard --lofdir log_dir_path,打开命令执行后出现的网址即可 log_dir_path是存放Tensorboard日志文件的文件夹路径 ``` ``` 运行顺序:preprocess.py--->main.py--->test.py ```
DAIC-WOZ Depression Database/DAICWOZ数据集
09-28
此数据库是一个大型语料库的一部分，疾病分析访谈语料库（DAIC，the Distress Analysis Interview Corpus），其中包括临床访谈，旨在支持诊断心理困扰状况，如焦虑、抑郁和创伤后应激障碍。收集这些访谈是为了创建一个用于确定精神疾病的语言和非语言指标的计算机代理。收集的数据包括录音、录像和广泛的问卷答复；这部分语料库包括The Wizard of Oz访谈（《The Wizard of Oz》：绿野仙踪），由一位名叫Ellie的动画虚拟面试官主持，Ellie由另一个房间的面试官控制，数据已被转录和注释以用于各种文本和非文本特征。
【抑郁数据集】DAIC-WOZ和E-DAIC（Extended-DAIC）
Nirvana_xian的博客
12-12 4572
（E-DAIC）（DeVault等人，2014）是WOZ-DAIC（Gratch等人，2014）的扩展版本，其中包含半临床访谈，旨在支持对焦虑、抑郁和创伤后应激障碍等心理痛苦状况的诊断。：此文件包含参与者ID ，PHQ8（Kroenke等人，20009）二进制标签（PHQ8分数> = 10），PHQ8分数和参与者性别，并对每个正式训练分割的PHQ8问卷的问题。在清音的情况下，即VUV = 0，人声褶皱没有振动，因此值例如F0，NAQ，QOQ，不应使用H1H2，PSP，MDQ，peakSlope和Rd。
抑郁检测用文本数据集
有机物的博客
03-05 7163
可用于抑郁检测的数据集
常见抑郁数据集
chaishen10000的专栏
05-19 1100
数据集名称 标注量表 采集场景 数据信息 被试数量 被试特点 Mundt-35(2007)[25] HAMD, QIDS 电话交互语音 118组音频 35 均为抑郁患者 BlackDog(2009)[26] HAMD 访谈 - 60 均为抑郁患者 Yingthaworsuk(2013)[15] BDI-Ⅱ 临床访谈 20组音频 20 重度抑郁和自杀倾向的患者 AVEC201
抑郁症和心理健康数据集 CSV（825条记录）
01-24
RHMCD-20 数据集，我们注意包含来自广泛来源的信息，包括来自孟加拉国的青少年、大学生、家庭主妇、企业和公司的专业人士以及其他人。这是抑郁症和心理健康数据分析的调查数据。 包含信息： Age：代表参与者的年龄。 Gender：表示参与者的性别。 Occupation：代表参与者的职业。 Days_Indoors ：表示参与者未出门的天数 Growing_Stress：表示参与者的压力与日俱增（是/否）。 Quarantine_Frustration：隔离前两周的挫败感（是/也许/否）。 Changes_Habits：代表饮食习惯和睡眠的重大变化（是/可能/否）。 Mental_Health_History ： 上一代精神障碍的先例（是/否）。 Weight_Change ：突出显示隔离期间体重的变化（是/可能/否） Mood_Swings：代表极端的情绪变化（低/中/高）。 Coping_Struggles：无法应对日常问题或压力（是/也许/否）。 Work_Interest ：表示参与者是否对工作失去兴趣（是/否）。 Social_Weakness ：在与他人互动时传达精神虚弱的感觉（是/否）。
数据集求助：AVEC2013.2014 抑郁症检测
weixin_42917178的博客
12-03 1133
请问有朋友有AVEC2013.2014 抑郁症检测的数据集吗？可有偿。
depression 沮丧-数据集
03-15
该数据集涉及抑郁症的分析。该数据是对农村地区居民生活条件的研究。 b_depressed.csv
avec2013-master_speechsignal_think7wz_zip_avec2013avec2011_
09-30
code for speech signal
基于多模态的抑郁症识别入门综述——Deep Learning for Depression Recognition with Audiovisual Cues: A Review
ZF10145的博客
12-25 4947
本文是对一篇基于多模态的抑郁症识别入门综述的文献阅读，可以作为相关研究领域的入门阅读内容，同时文中对经典深度学习方法的概述也将帮助初学者快速进入该领域。 原文题目：Deep Learning for Depression Recognition with Audiovisual Cues: A Review
Resnet50网络的应用—抑郁症诊断
weixin_42419898的博客
07-14 3671
写在前边 本人研究生阶段的研究内容为抑郁症诊断，最近一直在想搭建件简单有效的网络，提升自己编码能力的同时，推动科研的进展。本文是总结了最近两周学习的论文中，应用到Resnet_50网络的，在此进行整理和总结。欢迎相同方向的同学交流学习。 正文 相比于之前的思路，本部分选择的是三个论文，都是借助Resnet_50网络作为核心网路的，我觉得这个方向是可以进行相应的学习和研究的。 论文名称：DEPRESSION DETECTION BASED ON DEEP DISTRIBUTION LEARNING
求AVEC2013,2016,2017，2019的数据集
m0_45431457的博客
03-16 643
求分享AVEC2013,2016,2017，2019的数据集，可有偿
DAIC-WOZ数据集
weixin_40258368的博客
06-03 9422
该数据库是更大的语料库（遇险分析访谈语料库（DAIC））的一部分（Gratch等2014年），其中包含旨在支持诊断心理困扰的临床访谈焦虑，抑郁和创伤后应激障碍等疾病。 这些采访是收集作为更大的努力的一部分，以创建一个可以采访人并识别人的计算机代理精神疾病的言语和非言语指标（DeVault等，2014）。 收集的数据包括音频和录像和广泛的问卷答复； 语料库的这一部分包括“绿野仙踪”采访，该采访由动画化的虚拟采访者Ellie进行，由人控制 面试官在另一个房间里。 数据已被转录和标注为多种语言和非语言特征。 数据
AVEC２０１3 、２０１４数据集下载网站
05-18
AVEC (Audio/Visual Emotion Challenge and Workshop) 2013和2014是一个情感识别的数据集。你可以在以下网站中下载这些数据集： AVEC 2013: http://sspnet.eu/avec2013/ AVEC 2014: http://sspnet.eu/avec2014/ 请注意，这些数据集可能需要注册或请求访问权限。
评论 101
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