Advertisement

CK+人脸表情识别数据库

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
CK+人脸表情识别数据库是一个广泛应用于计算机视觉和机器学习领域的数据集，包含来自不同个体的表情视频片段，涵盖多种基本情绪。 人脸表情识别数据集包含了各种人在不同情境下展现的表情图片，用于训练机器学习模型以准确识别人类情感状态。这类数据集对于开发能够理解人类情绪的智能系统至关重要。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • CK+人脸表情识别数据库
    优质
    CK+人脸表情识别数据库是一个广泛应用于计算机视觉和机器学习领域的数据集，包含来自不同个体的表情视频片段，涵盖多种基本情绪。 人脸表情识别数据集包含了各种人在不同情境下展现的表情图片，用于训练机器学习模型以准确识别人类情感状态。这类数据集对于开发能够理解人类情绪的智能系统至关重要。
     
  • CK+人脸表情识别数据集
    优质
    CK+人脸表情识别数据集是一个广泛使用的研究资源，包含来自超过100个参与者的丰富面部表情视频片段，旨在促进对人类情感表达的理解和机器分析。 人脸8种动态彩色表情数据集包含123个受试者（subjects）以及593个图像序列（image sequence）。每个图像序列的最后一帧都标注了动作单元（action units），其中，有327个序列还附上了情感标签（emotion label）。这个数据集在人脸表情识别研究中非常流行，并且许多相关论文都会使用该数据集进行测试。资源包括压缩后的数据文件和关于数据集的介绍文档、公开的研究文献。
     
  • CK+人脸表情数据库
    优质
    CK+人脸表情数据库是一个广泛使用的开源数据集，包含来自不同个体的视频片段及其对应的人类基本情感标签，旨在促进面部表情识别研究。 CK+的人脸表情数据集已经处理好了，七种表情已经被分类并放在七个文件夹里，非常方便使用。
     
  • CK加人脸表情数据库
    优质
    CK加人脸表情数据库是一个扩充版的Concerete Emotions数据集，包含更多样化的人脸表情图片及其标签，适用于深度学习和计算机视觉研究。 文件包含Landmarks.zip、FACS_labels.zip、Emotion_labels.zip、CVPR2010_CK.pdf、Consent-for-publication.doc以及CK+.txt。其中datasets目录下的数据将原始数据库中的人脸表情分类为七类：anger（愤怒）、contempt（轻蔑）、disgust（厌恶）、fear（恐惧）、happy（高兴）、sadness（悲伤）和surprise（惊讶）。由于原数据库体积过大，超过1G，这里并未包含。
     
  • CK+数据库（全面内容，人脸表情识别的必备选择）
    优质
    CK+数据库是一款全面且详尽的内容资源库，专为研究人脸表情识别而设计。它包含了丰富多样的面部表情数据，是科研人员和开发者的理想选择。 CK+数据库包含123人的593幅图像序列，每个角色的图片文件夹单独存放，并以表情标号区分。文件总大小为1.55G，由于上传限制，内容通过百度云链接提供下载。请放心下载。
     
  • 耶鲁人脸表情识别数据库
    优质
    耶鲁人脸表情识别数据库是由耶鲁大学创建的一个包含光照、表情变化等条件下的人脸图像数据集，广泛用于人脸识别和表情分析研究。 Kaggle 2018年耶鲁大学公开的人脸表情识别数据集包含15个受试者的165个GIF图像（如subject01、subject02等）。每个主题有11张图片，分别对应不同的面部表情或配置：中心光、带眼镜、快乐、左光、没有眼镜、正常、右光、悲伤、困倦、惊讶和眨眼。
     
  • CK+人脸表情数据集获取
    优质
    CK+人脸表情数据集获取旨在介绍如何收集和利用广泛使用的CK+面部表情数据库，该数据库包含多种场景下的真实与模仿表情图像，适用于研究及开发情感计算、计算机视觉等领域应用。 CK与CK+人脸表情数据集可以稳定下载，提供百度云盘的下载链接。
     
  • CK+七种表情识别数据集
    优质
    CK+七种表情识别数据集是由一系列标记了七种基本人类情绪（快乐、悲伤等）的脸部图像组成的研究资源，广泛应用于计算机视觉与机器学习领域。 在剔除干扰数据后，自己项目（表情识别）训练时的最佳测试准确率（best_Test_acc）可达91.919%。
     
  • 人脸表情识别数据集.zip
    优质
    该数据集包含丰富的人脸表情图像，适用于进行人脸检测、关键点定位及表情分类等研究。涵盖多种基本面部表情，助力开发智能情感计算应用。 人脸表情识别是人工智能课程设计的一部分。使用Keras构建CNN卷积神经网络，并利用fer2013数据集进行训练，每次训练完成后保存模型。接着通过OpenCV跨平台计算机视觉库与摄像头交互，截取每一帧图像。采用OpenCV的人脸检测功能来定位人脸区域，随后加载已训练好的表情识别模型对画面中的人脸进行预测分析，并将结果实时显示在摄像头的视频流上。整个项目是在Jupyter Notebook环境中设计并实现的，可以直接通过连接到电脑摄像头演示其实际效果。
     
  • FER2013人脸表情识别数据集
    优质
    FER2013数据集是一个广泛用于研究和开发的人脸表情识别资源库，包含超过35,000张灰度图像及对应的表情分类标签。 该数据集来自2013年Kaggle的一个比赛，包含三个文件：fer2013.bib、fer2013.csv 和 README。