基于深度学习的表情识别数据集

在深度学习的表情识别领域，常用的数据集有：

1. CK+ 数据集：该数据集包含 593 张人脸图像，其中包含 7 种不同的基本表情，即愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性表情。

2. FER2013 数据集：该数据集包含 35,887 张人脸图像，其中包含 7 种不同的基本表情，即愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性表情。

3. JAFFE 数据集：该数据集包含来自 10 个不同的志愿者的 213 张表情图像，其中包含 7 种不同的基本表情，即愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性表情。

4. EmoReact 数据集：该数据集包含来自 100 个不同的人的 23,000 张图像和 8,000 个视频的表情数据，其中包含 10 种不同的表情，包括亲密、喜欢、悲伤、厌恶、惊讶、恐惧、生气、高兴和中性表情。

这些数据集都是公开的，可以在相应的网站上免费下载。

相关问题

python基于深度学习的表情识别数据集

在 Python 中，实现基于深度学习的表情识别也需要使用类似于上述的数据集。以下是一些常用的 Python 数据集：

1. KDEF 数据集：该数据集包含来自 70 个不同人的 4,900 张图像，其中包含 7 种不同的基本表情，即愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性表情。

2. AffectNet 数据集：该数据集包含超过 1,000 万张图像和超过 20,000 个视频，其中包含 8 种不同的表情，包括亲密、喜欢、悲伤、厌恶、惊讶、恐惧、生气、高兴和中性表情。

3. RAF-DB 数据集：该数据集包含来自 122 个不同人的 30,000 张图像，其中包含 7 种不同的基本表情，即愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性表情。

4. FER+ 数据集：该数据集包含来自 10 个不同的志愿者的 3,000 张图像，其中包含 8 种不同的表情，包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶、中性和蔑视表情。

这些数据集都可以在 Python 中使用相应的库进行下载和处理。例如，可以使用 TensorFlow 中的 Dataset API 或 PyTorch 中的 DataLoader 等工具来读取和处理这些数据集。

深度学习微表情识别数据集

深度学习微表情识别的数据集包括CASME II和SAMM数据集。这些数据集被广泛用于研究微表情识别算法的性能。在CASME II数据集中，包含了由观察者观察到的微表情视频，共计247个样本。而SAMM数据集则包含了由多个观察者观察到的微表情视频，共计159个样本。这些数据集提供了丰富的微表情样本，可以用于训练和评估深度学习模型的性能。\[1\]\[2\]为了扩大数据集并减少微表情定位的不利影响，一些研究还提出了双终端微表情采集策略，并将其应用于光流图中，以捕捉微表情的时空信息。\[3\]
#### 引用[.reference_title]
- *1* *2* *3* [Micro-expression recognition with supervised contrastive learning基于监督对比学习的微表情识别](https://blog.csdn.net/weixin_55768678/article/details/127316407)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]