Action Unit到底是什么?
action unit 有0~5共6个强度,编号A到E代表1到5, 0是没有AU
数据的形式是标注的视频帧,
有6个常用的数据集:
- DISFA 数据库。
丹佛大学自发面部运动单元数据库( Denver Intensity of Spontaneous Facial Action database,DISFA) [5]建立于2013 年, 采集了15 位男性和12 位女性,共27 位被试的AU 视频样本。被试坐着观看由YouTube 上的9 个片段拼接而成242 s的视频,每个片段激发一种情绪。在此过程中摄像机从正面采集 被试的面部表情,被试所处环境如光照、背景等条件一致。视频样本分辨率为1024 × 768,帧率为20 fps( frame /second) ,每位被试均采集4 845 帧。2 名FACS 专家在数据库中每帧图像上标注了12 种AU 的起始和终止,同时按照0 ~ 5 共6 个级别标注了AU 强度
BP4D-Spontaneous 数据库。
BP4D-Spontaneous[6]简称BP4D,由宾汉姆顿大学和匹兹堡大学合作建立,采集了18 位男性和23 位女性,共41 位被试的视频样本。不同于直接观看视频激发情绪,BP4D 采集过程中通过指导被试作8 个任务激发相应的情绪,整个过程由专业演员主持,任务之间通过被试自评确定是否产生期望的情绪。数据集中包含每个任务对应的2D 和3D 视频 ,只保留表情显著的片段,每段平均时长1 min。对于每个视频中一段20 s 表情最为丰富的片段,由2 位FACS 专家标注27 种AU的起始和结束,同时对于AU12 和AU14,按照0 ~ 5 的级别标注强度。该数据库与DISFA 是目前学术界使用最为广泛的两个AU 检测基准数据库。
EmotioNet 数据库。
俄亥俄州立大学Benitez-Quiroz 等[7]于2016 年建立的百万规模人脸表情数据库EmotioNet,图像均来自于互联网,相对于实验室场景中采集的数据,EmotioNet 中的数据来自于自然场景,因此更加真实且接近实际应用场景。数据库分为训练集和测试集,其中测试集包含26 116 张图像,通过FACS 专家标注了12 种AU 是否出现,训练集有约95 万张样本,由算法自动检测AU 并标注,其检测准确率约为80%。由于训练集的AU 标签中含有一定程度的噪声,EmotioNet 被较多用于 弱监督学习中。
CFEE 数据库。
该数据库是文献[8]在研究复合表情( Compound FacialExpressions of Emotion,CFEE) 时建立,CFEE 数据库由230 位被试的正面面部图像构成,包括平静状态( 中性) 在内,共包括22 种复杂的复合表情,如高兴的惊讶、怨恨、敬畏、惊骇等。FACS 专家对每种表情标注了特定的AU。经统计,数据库中被标注的AU 有19 种。
- UNBC-McMaster 肩痛表情数据库。
UNBC-McMaster 肩痛表情数据库[9]由25 名患有肩痛的被试的视频数据构成,共200 个视频序列,视频为正面拍摄,被试表情为肩痛过程中的自然流露。FACS 专家对视频中的每一帧进行了10 种AU 强度标注。该数据库的最大特点是含有其他数据库中少见的与疼痛相关的AU43。
- CK + 数据库。
CK + 数据库由CK( Cohn-Kanade) 数据库扩展而来[10],大部分数据为黑白视频,少数为彩色视频。数据库中包含123 位被试的593 段表情视频,所有视频序列中的表情都是从平静到峰值程度。FACS 专家对593 段视频的峰值帧,即最后一帧进行标注,共标注了30 种AU 是否出现,其中大部分AU 标注了强度。
具体文件形式:
比如说针对一个4分钟的视频, 是人的正面, 折合后有4800多帧(20帧每s), 那么有个txt文件, 记录了每帧对应AU的强度, 数据集共12个AU:
Action Unit到底是什么?相关推荐
- 【论文阅读】AU检测|《Deep Adaptive Attention for Joint Facial Action Unit Detection and Face Alignment》
<Deep Adaptive Attention for Joint Facial Action Unit Detection and Face Alignment>(ECCV 2018) ...
- Action Unit Memory Network for Weakly Supervised Temporal Action Localization 笔记
目录 1.介绍 2.方法 2.1 特征提取 2.2 动作单元记忆网络 构建Memory Bank Memory Bank用于分类 Memory Bank的更新 3.消融实验 1.介绍 这篇文章是提出了 ...
- Do Deep Neural Networks Learn Facial Action Units When Doing Expression Recognition?阅读笔记
Do Deep Neural Networks Learn Facial Action Units When Doing Expression Recognition?阅读笔记 前言 Abstract ...
- AU R-CNN:利用专家先验知识进行表情运动单元检测的R-CNN模型
©PaperWeekly 原创 · 作者|Chen Ma 学校|清华大学 研究方向|人脸识别和物体检测 这篇论文率先利用先验知识和物体检测技术做 Action Unit 人脸表情识别,在 BP4D 和 ...
- 表情识别(二)--基于CNN分类
说白了,就是个分类任务,但是纯粹的CNN分类,只是对传统方式的提升,本质思路没有改变,效果也不是很明显. 转自:https://blog.csdn.net/walilk/article/details ...
- 人脸识别之表情识别(二)--基于CNN分类
说白了,就是个分类任务,但是纯粹的CNN分类,只是对传统方式的提升,本质思路没有改变,效果也不是很明显. 转自:https://blog.csdn.net/walilk/article/details ...
- OpenFace库(Tadas Baltrusaitis)中基于Haar Cascade Classifiers进行人脸检测的测试代码
Tadas Baltrusaitis的OpenFace是一个开源的面部行为分析工具,它的源码可以从 https://github.com/TadasBaltrusaitis/OpenFace 下载.O ...
- OpenFace库(Tadas Baltrusaitis)中基于HOG进行正脸人脸检测的测试代码
Tadas Baltrusaitis的OpenFace是一个开源的面部行为分析工具,它的源码可以从https://github.com/TadasBaltrusaitis/OpenFace下载.Ope ...
- 定义一个DSL风格的LifecycleObserver(Kotlin)
package com.xyj.checkupgrade.extendimport androidx.lifecycle.Lifecycle import androidx.lifecycle.Lif ...
最新文章
- NLP词性标注数据准备及模型训练实例
- INSTALL_PARSE_FAILED_INCONSISTENT_CERTIFICATES错误解决方法
- python海伦公式_少儿编程Python第2课-if语句(海伦公式)
- 深度案例 | TO B 企业如何从 0 到 1 实现数据驱动?
- python路径分隔符_Python:当读取一个没有默认分隔符的文件(包含数百万条记录)并将其放入dataframe (pa-问答-阿里云开发者社区-阿里云...
- qt5 make 找不到QApplication
- 中国重汽微服务管理_springcloud微服务架构实战:商家管理微服务设计
- ubuntu 10.04 install vbox site
- linux sudo使用和sudoers配置详解
- c#仿照qq登录界面编辑框内容操作
- Django Web开发【2】Django入门
- Redis 如何存储上亿级别的用户状态?
- java mongodb 使用场景_MongoDB 数据库引用
- Git小乌龟分支操作
- JSP基础教程【1】
- macbook安装免费vmware fusion
- PS--常用操作技巧(一)快捷键
- 趁你年轻快来学学如何搭建一个小说网站,这里有超详细教程,快进来看看吧,错过了可不要后悔哟。
- 奥鹏计算机基础18秋在线作业答案,1056《 计算机基础》20秋西南大学在线作业答案答案...
- 替代SSD?Crossbar进军中国存储市场
热门文章
- 填表统计预约打卡表单系统
- 什么无线桥接一直正在链接服务器,路由器桥接成功无法从副路由器上网怎么办【解决方法】...
- unitoy机器人怎么联网_UniToy智能app
- 什么是WebP图片格式?如何在线把Webp格式转换为JPEG格式?
- grunt从入门到自定义项目模板
- linux用户禁止登录,Linux限制用户登录
- 互联网晚报 | 05月17日 星期二 | 郑州首套房贷利率最低降至4.4%;可口可乐被曝员工不得购买竞品...
- jy-12-SPRINGMYBATIS02——云笔记04-刘苍松
- iTerm2终端集成git缩写意思
- 计算机python实验报告_Python实验报告六:函数