DogFLW: 野外犬脸部关键点数据集
本文介绍了一个名为 Cat Facial Landmarks in the Wild (CatFLW) 的数据集,其中包含了 2016 张猫脸的照片,并且使用 48 个脸部重点标记和猫脸特定的脸部动作单元(CatFACS)进行了注释,以用于动物情感计算和面部分析的自动化。此外,作者还介绍了一种半监督(人在环路)的方法来注释图像中的标志,以便创建此数据集,并提供在请求时获得该数据集。
May, 2023
动物情感计算领域的重要挑战之一是缺乏高质量的数据集,本文提出了一个以猫脸图像为基础的新数据集,并通过使用面部标志检测卷积神经网络模型,在猫脸上取得了优异性能,同时该模型也具有推广到人脸标志检测的潜力。
Oct, 2023
提出了一个包含大量标注的动物面部数据集,可用于面部对齐、检测和细粒度识别等多项应用,尤其对监测动物面部行为具有重要的启示作用,有助于改善动物医疗保健并推动计算机视觉算法相关技术的进步
Sep, 2019
该研究提出了一种基于面部标志的情感识别分类损失函数修改方法,将一种新方法 EmotionalDAN 应用于情感识别上,并在两个挑战性基准数据集上实现了比最先进的情感分类方法高达 5% 的准确度。
Apr, 2018
使用从逼真的新闻视频中提取的面部地标的情感识别的一种新方法,采用图神经网络分析面部地标的几何和空间关系,提高情感识别的理解和准确性。该方法通过构建基准数据集展示了其可行性和潜力,为情感识别技术的未来研究指明了新的方向。
Apr, 2024
该研究收集并准备公开发布了一个名为 AffectNet 的数据库,包含 100 多万张网络图片,其中大约半数手动注释了 7 种离散面部表情和不同情绪模型的愉悦和唤起度强度,并使用两个深度神经网络对分类模型的图像进行分类和预测情感的愉悦和唤起度强度。
Aug, 2017
本研究提出了一种基于静态图片实现的轻量级算法,用于实时进行人脸表情识别、情绪分类和特征提取。 Multi-Layer Perceptron (MLP) 神经网络是基于前面的算法进行训练的,提取几何和纹理特征,生成特征向量,用于训练三层 MLP,其测试准确度达到 96%。
Jan, 2022
本研究提出了一种基于深度学习和面部视频数据的情感检测方法,使用 Convolutional Neural Network 训练一个能够估计三维表情模型参数的模型,并结合情感分类器,能够高效准确地从动态图像中识别面部表情,且在基本情感和压力情感的识别任务中超过了其他方法。
May, 2020
本文利用加速技术,设计了一个紧凑的人脸特征点检测模型,在不同的自然环境下,如不受限制的姿态、表情、光照和遮挡,取得了很高的检测精度和超快的速度,通过旋转信息的估计进行几何规范化特征定位,同时还采用不同样本权重的一种新误差函数,用于平衡数据不均衡的问题,并在多个面部特征检测数据集上表现出卓越的性能。
Feb, 2019