文章目录
1、基本介绍
收集并整理了面部表情识别(Facial Emotion Recognition,FER)相关的数据集,包括FER2013数据集、FERPLUS数据集、RAF数据集、CK+数据集,MMAFEDB数据集,AffectNet数据集。
2、每个数据集介绍
2.1、FER2013(已预处理)
Fer2013是由Goodfellow等人于2013年发布的广泛使用的表情识别数据集。它包含约35,000张灰度图像,这些图像来自互联网公开资源,涵盖了7种不同的表情类别(愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性)。Fer2013数据集的多样性和规模使其成为训练深度学习模型的理想选择。
2.2、FERPLUS(已预处理)
FER+ 注释为标准的 Emotion FER 数据集提供了一组新的标签。在 FER+ 中,每张图片都有10个众包标签,这比原始的FER标签提供了更好的静态图像情感的真相。每个图像有10个标记,研究人员就可以估计每张脸的情绪概率分布。这允许构建产生统计分布或多标签输出的算法,而不是传统的单标签输出.
2.3、RAF
RAF-DB人脸表情数据集是一个用于面部表情识别数据集。该数据集包含了丰富的训练和验证数据,适用于研究和开发人脸表情识别算法。
2.4、CK+
CK+(Cohn-Kanade+)数据集是由Lucey等人于2010年发布的一个面部表情数据集。CK+数据集包含了593个视频序列,涵盖了8种不同的表情类别,包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶、中性和轻蔑。CK+数据集具有较高的标注准确率,提供了动态表情信息。
2.5、AffectNet
AffectNet 数据集:AffectNet是当前最大的面部表情数据集之一,包含约42万张标注了表情类别和面部活动单元(AU)信息的面部表情图像。每张图像都标注了表情类别和面部活动单元(AU)信息。AffectNet适合训练和评估深度学习模型,尤其是用于自然环境中的面部表情识别。
2.6、MMAFEDB
一共包含128K张MMA面部表情图像数据集,MMAFEDB包含用于训练,验证和测试的数据划分,每个目录包含对应于七个面部表情类别的七个子目录,分别是angry-愤怒,disgust-厌恶,fear-恐惧,happy-快乐,neutral-中性,sad-悲伤,surprise-惊讶
3、获取方式
收集整理不易,获取方式请点击我