1、数据集介绍

论文《Deep Facial Expression Recognition: A Survey》里对其进行了介绍：

ExpW [47]: The Expression in-the-Wild Database (ExpW) contains 91,793 faces downloaded using Google image search. Each of the face images was manually annotated as one of the seven basic expression categories. Non-face images were removed in the annotation process.

我把数据集下载下来，统计了一下各类的分布情况不是很理想

angry	disgust	fear	happy	sad	surprise	neutral
3671	3995	1088	30537	10559	7060	34883

果然和其他网络爬取数据集一样，积极的较多，消极的较少，因为人们普遍倾向于发积极的图片，把悲伤留给自己:）

不过胜在数量还是可观的

该数据集对应的链接为http://mmlab.ie.cuhk.edu.hk/projects/socialrelation/index.html
论文不错，可以看一看

数据集百度云链接

2、数据集处理

数据集分图片和标签两部分，先看一下标签说明：

label.lst： each line indicates an image as follows:
image_name face_id_in_image face_box_top face_box_left face_box_right face_box_bottom face_box_cofidence expression_labelfor expression label：
"0" "angry"
"1" "disgust"
"2" "fear"
"3" "happy"
"4" "sad"
"5" "surprise"
"6" "neutral"@inproceedings{SOCIALRELATION_2017,author = {Zhanpeng Zhang, Ping Luo, Chen Change Loy, and Xiaoou Tang},title = {From Facial Expression Recognition to Interpersonal Relation Prediction},booktitle = {arXiv:1609.06426v2},month = September,year = {2016}
}

可见原数据集并没有将人脸提取出来，所以难怪原数据集有8个多G。

数据集还是有一些问题的，比如：

1、人脸倾斜
在表情识别中，人脸对齐是非常重要的，所以我对人脸进行了对齐操作

原图	根据标签提取的人脸	我对齐后的人脸

2、无关数据
总有些与脸无关的数据，尽管Non-face images were removed in the annotation process.
比如：

原图	根据标签提取的人脸

看了一下这张“脸”的label：

face_id_in_image是1，看来使用的人脸检测代码跑出来的第二张脸，所幸能从face_box_cofidence看出这张“脸”的置信度较低，于是我利用置信度阈值筛选掉了4488张图片。
被筛选掉的还有类似这样的图片

原图	根据标签提取的人脸

筛选后的数据分布：

angry	disgust	fear	happy	sad	surprise	neutral
3585	3861	1053	29243	10039	6882	32642

我处理了数据集流程如下：

1、根据标签内容提取脸部图片
img_face = image[face_box_top:face_box_bottom, face_box_left:face_box_right, :]
2、对脸部图片进行关键点检测
3、通过关键点进行人脸对齐
4、保存人脸至各个类别

原数据集标签的人脸长宽比是不定的，我最终保存的图像是112x112x3大小

3、数据集下载

原数据集百度云链接，大概8个G

提取人脸（未筛选）

angry	disgust	fear	happy	sad	surprise	neutral
3671	3995	1088	30537	10559	7060	34883

下载链接

提取人脸（筛选）

angry	disgust	fear	happy	sad	surprise	neutral
3585	3861	1053	29243	10039	6882	32642

下载链接

有问题多交流，可留言可发邮件，我的邮箱是zhaodongyu艾特pku(这里换成点)edu.cn。

表情识别/情绪识别：ExpW表情数据集相关推荐

基于人脸表情的情绪识别
1.前言作为一个在人脸识别领域有一定经验的人,我在过去的项目中涉及了很多与人脸识别相关的任务.我整理了一些项目,但由于学业繁重,整理这些内容一直是断断续续的.最近正值五一假期,我想利用这个时间来整理 ...
【人脸表情识别】情绪识别相关会议、比赛汇总（2018-2020）
前面专栏中,我们介绍了有关基于图片/视频的人脸表情识别的相关内容,也了解了通过回归的方式来理解表情的方式--基于连续模型的人脸表情识别.在专栏的最后一篇文章中,我们将分享计算机视觉领域中围绕情绪识别主 ...
（论文加源码）基于DEAP脑电数据集的脑电情绪识别（利用生成对抗性网络进行特征提取和数据扩充）
本篇论文发表于2022年的顶级期刊,代码可以完整运行,详情见第八节或者个人主页论文源码见个人主页:https://download.csdn.net/download/qq_45874683/876 ...
课堂考试作弊检测系统，情绪识别、表情识别和人脸识别结合
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程公众号:datayx 智慧教室课堂专注度及考试作弊系统.课堂动态点名,情绪识别.表情识别和人脸识别结合课堂专注度 ...
人脸表情分类与识别：opencv人脸检测+Keras情绪分类
本次讲述的表情分类是识别的分析流程分为: 1.加载pre-model网络与权重: 2.利用opencv的函数进行简单的人脸检测: 3.抠出人脸的图并灰化: 4.表情分类器检测 . 一.表情数据集主要 ...
keras系列︱人脸表情分类与识别：opencv人脸检测+Keras情绪分类（四）
人脸识别热门,表情识别更加.但是表情识别很难,因为人脸的微表情很多,本节介绍一种比较粗线条的表情分类与识别的办法. Keras系列: 1.keras系列︱Sequential与Model模型.kera ...
【人脸表情识别】基于图片的人脸表情识别，基本概念和数据集
大家好,欢迎来到我们人脸表情识别的专栏,这是专栏的第一篇文章,今天我们讨论的问题是关于表情识别的基本概念和数据集. 作者&编辑 | Menpinland 在较早之前,有三AI已经有一篇< ...
剑桥女博士创立情绪识别 AI 公司，帮助自闭症患者理解他人表情
很多智能设备能预测我们下一步想要做什么,但是它们却无法知道为什么我们要那样做. 作者|DataGirls 本文经授权转载自DataGirls(ID:DataGirls) <她>(Her) ...
看表情读情绪：AI“察言观色”背后的表情识别数据
拍一张自己的表情,社交软件Polygram就可以使用这张脸部表情来生成一个emoji.Polygram可以理解人脸表情,利用人脸识别技术,对面部的真实表情进行检测,从而搜索到相应的表情. 社交软件Po ...

表情识别/情绪识别：ExpW表情数据集

ExpW表情数据集

1、数据集介绍

2、数据集处理

3、数据集下载

表情识别/情绪识别：ExpW表情数据集相关推荐

最新文章

热门文章