网站优化需要做什么安徽网络优化

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