图像情感分析常用数据集
- IASP (International Affective Picture System)
- IASPa
- Abstract
- GAPED (Geneva Affective Picture Database)
- MART
- devArt
- Tweet
- FlickrCC (Flickr creative common)
- Flickr
- Emotion6(Emotion ROI)
- FI (Flicker and Instagram)
- IESN
- FlickrLDL
- TwitterLDL
二、多模态情感分析数据集
- 《Multi-Modal Sarcasm Detection in Twitter with Hierarchical Fusion Model》--【多模态讽刺识别】2019年。论文中建立的数据集,包含文本和图像两个模态,具体来说是三个模态,文本部分包含两个方面:一个是描述(文本模态),另一个是图像的属性,即图像包含那些东西,用文字描述(也可以归类为属性模态)。数据集较好之处是给出了原始数据,即有原始的文本,原始的图像和属性描述,可以任意操作成实验表征。数据集和代码链接是https://github.com/headacheboy/data-of-multimodal-sarcasm-detection
《Towards Multimodal Sarcasm Detection(An Obviously Perfect Paper)》--【多模态讽刺】2019年。论文给的是图像和文本双模态讽刺视频。其中每个标签对应的图像包含多个,对应的文本是一组对话,具体如下图所示:数据集链接是:https://github.com/soujanyaporia/MUStARD
《Multimodal Language Analysis in the Wild_ CMU-MOSEI Dataset and Interpretable Dynamic Fusion Graph》--【多模态情感和情绪分析】2018年。论文中描述的CMU-MOSEI数据集规模最大的三模态数据集,且具有情感和情绪两个标签。但是这里要注意,数据集是多标签特性,即每一个样本对应的情绪可能不止一种,对应情绪的强弱也不同,在[-3~3]之间。数据集的原始数据给出了,但是过于原始,即给出的是文本,音频和视频文件,图像还得自己去以固定频率捕获并且和文本语音对其还是比较麻烦的。大多实验都使用处理好的实验数据。数据集的链接是:http://immortal.multicomp.cs.cmu.edu/raw_datasets/processed_data/
《UR-FUNNY: A Multimodal Language Dataset for Understanding Humor》--【多模态幽默分析】2019年。论文中描述的是UR-FUNNY数据集,包含文本语音图像三个模态来分析幽默情感。具体目前没用到没有细看,日后再补充。数据集和代码链接是:https://github.com/ROC-HCI/UR-FUNNY
好像部分同学下载失败,可以用下面这个链接:
链接:https://pan.baidu.com/s/1iOwSmlaQeTo3NH95LnPl0A
提取码:5z4o
《MOSI: Multimodal Corpus of Sentiment Intensity and Subjectivity Analysis in Online Opinion Videos》--【多模态情绪分析】。论文中描述的是CMU-MOSI数据集,跟上述的CMU-MOSEI数据集名字很像,但是发布较早,规模小且只有情绪的标签。数据集跟MOSEI一样,有处理好的实验数据,但是也有部分原始数据,video部分依然是视频不是已经捕获好的图像。数据集的链接是:http://immortal.multicomp.cs.cmu.edu/raw_datasets/processed_data/
《CH-SIMS: A Chinese Multimodal Sentiment Analysis Dataset with Fine-grained Annotations of Modality》--【中文多模态情绪】2020年。论文中给出常规的文本、图片和语音的数据进行多模态情绪分类,其中标签更加细致,不仅有最终的标签,还有各个模态的标签。数据集链接是: https://github.com/thuiar/MMSA
《Iemocap: interactive emotional dyadic motion capture database》--【多模态视频情感分析】2008。根据摘要可以看出IEMOCAP数据库包含大约12小时的视听数据,包括视频、语音、面部运动捕捉、文本转录。IEMOcap数据库有愤怒、快乐、悲伤、中立标签。
数据集参考这个CSDN博客https://blog.csdn.net/qq_33472146/article/details/90665196 ,需要填写一个申请表,具体如下:
数据集获取方式:
需要填一个申请表,如果没结果就给他们发封邮件。数据很大,大概18G左右,可以用Chrome下载管理器下载。
如果有任何问题可以联系这个人Anil Ramakrishna (akramakr@usc.edu)
给他发邮件,告诉他直接把数据集公开在网盘里多好,还要填申请表。。。
图像情感分析常用数据集相关推荐
- 图像情感分析标签分布学习
现实生活中,有部分分类问题相比起预测单标签,更需要预测多个标签或者样本关于各个标签的概率分布,也就是各标签对该样本的描述程度. 例如,对于图像情感分类任务而言,由于一张图像往往包含多种情感倾向,且不同 ...
- 电影评论情感分析-IMDB数据集 | python 利用朴素贝叶斯、神经网络模型
载入包 import torch # torch==1.7.1 import torch.nn as nn from torch.utils.data import Dataset from torc ...
- SemEval 情感分析主流数据集以及任务介绍
SemEval 的发展: SemEval 数据集完成基本任务是推特的情感分析(Sentiment Analysis in Twitter).对于推特的文本情感分析基于SemEval 数据集始于2013 ...
- 遥感图像目标检测常用数据集及下载链接汇总
1.TAS数据集 2.DIOR 3.LEVIR 4.DOTA 5.RSOD 6.UCAS-AOD 7.NWPU VHR-10 8.VEDAI 9.HRSC2016 1.TAS数据集 是为航空图像中的汽 ...
- 遥感图像场景分类常用数据集
1. UC Merced Land-Use Data Set contains 21 scene classes and 100 samples of size 256x256 in each cla ...
- 视频超分、图像超分常用数据集Vimeo90K的下载及处理
vimeo90k数据集下载链接: http://toflow.csail.mit.edu/ 下载时点击最下方的训练集测试集一起下载即可,共计82G.数据集中已经划分了训练集和测试集,并给出了划分的tx ...
- 『NLP打卡营』实践课5:文本情感分析
『NLP直播课』Day 5:情感分析预训练模型SKEP 本项目将详细全面介绍情感分析任务的两种子任务,句子级情感分析和目标级情感分析. 同时演示如何使用情感分析预训练模型SKEP完成以上两种任务,详细 ...
- 基于文本和语音的双模态情感分析
作者 | 陆昱博士 追一科技 来源 | DataFunTalk 今天和大家分享的主题是基于文本和语音的双模态情感分析.大家可能会从自然语言处理的角度认为情感分析已经做得比较成熟了,缺少进一步研究的方向 ...
- NLP应用:情感分析和自然语言推断
0 序言 回顾: 如何在文本序列中表示词元 训练了词元的表示 这样的预训练文本可通过不同的模型架构,放入不同的下游NLP任务 之前的提到的NLP应用没有使用 预训练 本章: 重点:如何应用 DL表征学 ...
最新文章
- git生成ssh keys步骤与使用
- mysql -d_mysqld
- mysql子查询存到另一张表_MySQL数据库(11)----使用子查询实现多表查询
- ajax带来的主要问题有哪些,ajax面试题
- 光电编码器的原理及应用场合_旋转式光电编码器工作原理及在视觉检测中的使用...
- 要不要借钱给好朋友?救急不救贫
- Qt学习之路(37): Qt容器类之关联存储容器
- HDU 6704 K-th occurrence(主席树 + RMQ + 后缀数组)题解
- R语言机器学习中数据可视化的杀手锏
- mdf和ldf是什么文件
- 计算机程序员的英文简历,电脑程序员个人英文简历范文
- 抽样:理论与应用(第二版) 金勇进 课程笔记 1~4章
- nginx配置多个一级域名https访问的配置
- 船上上去了30个人,超载,现需要下去15个人。将所有人编号1-30,1-9报数,数到第九个人下船,直到15个人下完为止
- Racket编程指南——21 运行和创建可执行文件
- 量子计算机技术难,量子计算机是什么工作原理运行的?现在制造还存在什么技术上的难...
- 武汉第一职业教育中心计算机技能高考,武汉第一职业教育中心2021年招生简章...
- linux下磁盘测速工具
- 避免重要数据泄露的8种方式
- python解复杂方程_Python 解方程的三种方法