＜数据集＞AffectNet表情识别数据集＜目标检测＞

已于 2024-07-22 19:12:02 修改
阅读量118 收藏
点赞数 3
分类专栏： 深度学习数据集 文章标签： 目标检测 人工智能 计算机视觉 YOLO python
于 2024-07-22 19:09:49 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_53332949/article/details/140617293
版权

数据集格式：VOC+YOLO格式

图片数量：29752张

标注数量(xml文件个数)：29752

标注数量(txt文件个数)：29752

标注类别数：7

标注类别名称：['anger','contempt','disgust','fear','happy','neutral','sad','surprise']

序号类别名称图片数框数
1neutral43704370
2disgust25662566
3happy48094809
4surprise42894289
5contempt31833183
6anger35863586
7sad34183418
8fear35313531

使用标注工具：labelImg

标注规则：对类别进行画水平矩形框

图片示例：

标注示例：

深度学习lover
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
完整版CK表情识别数据集-网盘链接和密码
06-13
CK数据集是面部表情分析综合数据库，网盘里提供的CK数据集压缩包是一套齐全完整的数据库资源，其中包括以下文件：cohn-kanade.tgz；Cohn-Kanade Database FACS codes_updated based on 2002 manual_revised.xls；...
人脸表情数据集CK+，图片分辨率48*48，包含7类表情
04-15
人脸表情数据集CK+是计算机视觉领域中一个广泛使用的数据集，主要用于研究和开发表情识别技术。这个数据集因其高质量的图像和丰富的表情类别而备受赞誉。以下是关于CK+数据集的一些关键知识点： 1. **数据集概述**...
人脸表情数据集FER2013
04-15
数据集的设计目的是促进人脸表情识别算法的研究和发展，通过这个数据集，研究人员可以训练和评估他们的模型在识别不同表情方面的性能。 数据集的结构通常包括训练集、验证集和测试集三部分。训练集用于训练模型，...
Jaffe人脸表情数据集
12-18
**Jaffe人脸表情数据集详解** ...然而，为了应对更复杂、更自然的表情识别场景，后来出现了更大的数据集，如AffectNet、FER2013等，它们包含更多样化的人群、表情和环境，推动了表情识别技术的持续进步。
人脸情绪识别数据集-dataset.rar
03-27
这个名为"人脸情绪识别数据集-dataset.rar"的压缩包文件，显然是为研究或训练人脸情绪识别模型而准备的数据集。下面我们将深入探讨这个数据集以及与之相关的知识点。 1. **人脸检测**：在进行情绪识别之前，首先要...
基于语音识别的会议记录系统
qq_51688022的博客
07-18 1277
本文简要介绍了本科毕设“基于语音识别的会议记录系统”的开发思路与成果
昇思25天学习打卡营第14天|LLM-文本解码原理--以MindNLP为例
wwt72的博客
07-17 851
限制输出序列的最大长度为50个token。top-p=0.95，top-p采样表示在每一步生成token时，只从概率分布中累计概率达到95%的token中进行采样，有助于保持生成文本的流畅性和质量，同时允许一些低概率的token被选中，从而增加多样性。表示禁用了top-k采样，因为在top-k采样中，通常是从概率最高的k个token中随机选择一个token作为下一个输出，而这里设置为0表示不限制token的选择，实际上这将等同于使用 softmax 概率分布直接进行采样。这有助于提高生成文本的多样性。
卷积神经网络学习问题总结
weixin_61681867的博客
07-17 632
均方误差函数（MSE）适用于回归任务，如预测房价、预测股票价格等。
python训练模型报错：BrokenPipeError: [Errno 32] Broken pipe
Dxy1239310216的博客
07-18 455
如果问题持续存在，并且你的项目不是必须在 Windows 上运行，考虑在 Unix/Linux 系统上运行你的代码。确保在数据加载器中使用的任何自定义函数或类都是可序列化的，因为多进程需要能够在不同进程间传递它们。进行多进程数据加载时尤其常见，尤其是在 Windows 系统上，因为 Windows 对多进程的支持与 Unix/Linux 系统有所不同。有时候，错误可能是由其他部分的代码引起的，而不是直接由数据加载器引起。如果问题依然存在，你可能需要更详细地检查你的代码或寻求更专业的帮助。
自动驾驶系列—智能巡航辅助功能中的车道变换功能介绍
u013889591的专栏
07-17 1124
在现代智能驾驶技术中，智能巡航辅助的车道变换功能是提高驾驶安全性和便利性的关键特性。该功能通过摄像头、传感器和高级算法，使车辆能够在驾驶员的指令下安全地进行车道变换。本文将详细介绍车道变换功能，从背景、功能定义、原理、传感器架构、实际应用案例以及总结与展望几个方面进行阐述。智能巡航辅助功能介绍。随着自动驾驶技术的快速发展，车道变换功能已成为智能驾驶系统中的重要组成部分。
ChaosMeta for AI：混沌工程让AI稳定性更上一层楼
samson
07-18 618
混沌工程的核心思想是“通过在真实环境中引入故障，评估和提升系统的稳定性”。在实际应用中，这意味着通过故意制造各种错误和故障，观察系统的表现，从而找出和修复系统的脆弱点。随着AI系统逐渐成为现代技术的支柱，混沌工程的应用范围也在不断扩展。输出内容：模拟历史已发生的故障，如输出乱码，通过注入代码篡改故障，检验系统的容错能力，确保终端用户看到的是稳定可用的内容。任意代码篡改：模拟意外代码修改对输出的影响。输入内容：通过对抗性样本测试，确保模型的合规合法，符合伦理道德标准。
大模型日报 2024-07-20
最新发布
weixin_40262196的博客
07-21 418
OpenAI发布了针对应用开发者的GPT-4o mini模型，取代了旧版的GPT-3.5模型。: 研究开发了一个基于游戏Baba Is You的新基准，测试了三种多模态大型语言模型，发现它们在需要操控和组合游戏规则时表现不佳。: 谷歌AI发布了一篇关于FLAMe的论文，这是一种基础大型自动评估模型，旨在为复杂多样的大型语言模型提供可靠且高效的评估方法。: 研究表明，通过Prover-Verifier游戏训练算法，提升了大语言模型在解决数学问题时的输出可读性和人类验证准确率。
基于深度学习的故障检测
weixin_42605076的博客
07-20 667
基于深度学习的故障检测是一项利用深度学习技术对设备、系统和结构的运行数据进行分析，以检测、识别和预测潜在故障的技术。其应用范围广泛，包括工业设备监控、制造系统故障检测、交通系统安全监测等。
YoloV8改进策略：卷积篇|Kan行天下之ReluKan
m0_47867638的博客
07-20 354
本文介绍了一种名为ReLU-KAN的新型架构，该架构使用新型基础函数替换了KAN中的B样条。此外，ReLU-KAN实现了全矩阵运算，显著提高了训练速度。实验结果表明，ReLU-KAN在训练速度、拟合能力和稳定性方面均优于KAN。在未来的工作中，我们计划将ReLU-KAN应用于卷积和Transformer架构中，以研究其在不牺牲模型性能的情况下减少参数的潜力。
上海昇腾AI训练营笔记
嵌入式点灯砖家的博客
07-18 992
Ascend C系列AI处理器适用于计算力需求较低的场景，如智能监控、边缘计算等。提供多种精简模式和高性能模式，满足不同应用场景下的性能要求。支持全场景覆盖，既可以部署在云端也可以部署在端侧。
机器学习数据集的一致性表现在哪些方面-九五小庞
qq_37241964的博客
07-19 356
总结而言，确保数据集的一致性是提高模型效果和泛化能力的关键。通过综合检查特征分布、数据规律、时间因素、分布式环境和神经网络特征表达的一致性，可以全面评估和保障数据集的一致性。这不仅有助于提升模型的性能，也为后续的特征工程和模型优化提供了坚实的基础。
《电脑知识与技术》是什么级别的期刊？是正规期刊？能评职称吗？
2301_81053900的博客
07-18 589
是一本面向计算机全行业的综合性学术刊物。编委委员均来自国内各著名高校的教授和博士生导师，他们是我国计算机科学领域方面的专家、学者和权威人士；主要面向高等院校、各公共图书馆、情报所（室）、研究所以及厂矿的科技工作者、科学研究人员、广大教师、研究生、博士生。7、来稿请注明姓名、性别、籍贯、出生年月、学历、职称、工作单位、联系电话、详细邮寄地址。10、若不能被录用，恕不退稿，请作者自留底稿，不同意上述稿件处理方式的作者请转投他刊。3、题目下面均应写作者姓名、单位名称、所在城市、邮编，多位作者分别列出上述信息。
【附源码】Python ：人脸实时检测与抓捕
脱发快乐中
07-17 241
使用Python和OpenCV检测人脸是一个常见的计算机视觉任务。本文代码将打开你的摄像头，并在窗口中显示实时视频流，同时在检测到的人脸上绘制矩形框。按’q’键可以退出程序。
生成式 AI 的发展方向，是 Chat 还是 Agent？
21空间的博客
07-18 649
Agent将实现更高级别的自主决策和任务执行能力，具备更强的环境感知和自适应能力，并确保在复杂任务中的安全性和可靠性。2.上下文理解：使用长短期记忆（LSTM）、门控循环单元（GRU）、BERT、GPT等模型来理解和生成上下文相关的对话。3.多轮对话：利用对话状态跟踪（DST）和对话管理（DM）技术，实现多轮对话的逻辑和流畅性。5.多模态交互：集成语音识别、语音合成、图像识别等技术，实现文本、语音、图像的综合处理。3. 环境感知：利用传感器融合、计算机视觉、环境建模等，实现对环境的全面感知和理解。
用于表情识别的数据集有哪些？
08-08
### 回答1： 以下是一些用于表情识别的数据集： 1. CK+：由加拿大多伦多大学的情感计算实验室创建，包括593个静态面部表情图像和8个动态面部表情视频。 2. JAFFE：日本大阪大学的情感计算实验室收集的静态面部表情图像，包括7种基本表情，每种表情有10个样本。 3. FER2013：由Google开发，包括35,887个面部表情图像，标记为7种基本表情。 4. AffectNet：由美国的亚利桑那州立大学和印度的德里技术大学合作创建，包括一百万张面部表情图像，标记为11个情感类别。 5. Emotionet：由德克萨斯A＆M大学的研究人员创建，包括45个面部表情类别和250,000张图像。 6. MMI Facial Expression Database：由荷兰的Twente大学的多媒体信息实验室创建，包括超过2800个面部表情图像和动态视频，记录了3D表情运动。 7. BU-3DFE：由美国波士顿大学创建，包括100个参与者的超过250,000张图像，记录了不同的面部表情，姿态和光照条件。 这些数据集可以用于开发和评估表情识别算法和模型，有助于推动该领域的研究和发展。 ### 回答2： 表情识别是一种通过分析面部表情来识别和理解人类情感状态的技术。以下是一些常用于表情识别的数据集： 1. 阿姆斯特丹动态面部表情数据库（AMFED）：这是一个包含面部动态表情的公开数据集，包括各种情感状态的面部表情。 2. 静态和动态的面部表情数据集（CK+）：这是一个带有人工标注的数据集，包含了来自各种国籍和文化背景的参与者的面部表情，用于情感分类和识别任务。 3. 非基于语义的情感分析（FER2013）：这是一个大规模的公开数据集，包含来自互联网的近80,000张面部表情图像，标记了七个不同的情感类别。 4. 面部动作与视觉表情数据集（Oulu-CASIA）：这是一个包含了来自各种情感和年龄组的面部表情的数据集，适用于面部动作识别和情感分类任务。 5. 面部表情图像与3D面部动作数据集（BU-3DFE）：这是一个包含了2D和3D面部表情数据的数据集，可用于情感识别和面部动作分析。 这些数据集提供了丰富的面部表情图像和相关的标签，可以用于训练和评估表情识别算法的准确性和性能。 ### 回答3： 用于表情识别的数据集有许多，以下是其中一些常用的数据集： 1. CK+（Cohn-Kanade+）：这是一个包含各种面部表情的数据集，由Cohn-Kanade研究团队创建。它包含了一系列面部表情的视频和静态图像，被广泛用于表情识别算法的开发和评估。 2. FER2013：这是一个公开的人脸表情数据集，由Kaggle举办的FER（面部表情识别）竞赛提供。该数据集包含了超过35,000张大小为48x48像素的灰度图像，标注了7种不同的表情类别。 3. MMI（Multi-Modal Emotion Recognition）：这是一个多模态的情绪识别数据集，由挪威奥斯陆大学的情绪计算实验室（UiO）创建。该数据集包含了来自不同表情数据库的视频和音频记录，并提供了多个感官的表情标注。 4. AffectNet：这是一个大规模的面部表情数据集，包含了超过1百万个图像，标注了11种不同的表情类别。该数据集由纽约大学的研究团队创建，旨在为深度学习算法提供充足的训练材料。 5. RAF-DB（Ryerson Audio-Visual Database of Emotional Speech and Song）：这是一个音频视觉情感数据库，包含了来自电影、电视剧、广告、歌曲等不同来源的音频和视频记录。该数据集中的表情标注较为细致，被广泛用于研究情感识别与情感合成。 除了上述数据集，还有许多其他的表情识别数据集可供选择，每个数据集都有其特定的优劣和应用场景。研究人员和开发者可以根据自己的需求和研究方向选择适合的数据集来进行表情识别算法的实验和评估。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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