《表1 3个自发微表情数据集》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Apex帧光流和卷积自编码器的微表情识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验采用了MEGC2019融合数据集进行验证。融合数据集由SMIC[9]、CASME II[14]和SAMM[15]组合而成。3个数据集的详细信息如表1所示，SMIC总共记录了20名受试者，并从16名受试者中发现了164个微表情片段，三种感情类别分别为“积极”“消极”“惊讶”。CASMEII数据集包括来自35个受试者的247个微表情样本并提供了5个情感标注：“高兴”“厌恶”“惊讶”“压抑”“其他”。CASME II也是样本最多和使用最为广泛的自发微表情数据集。SAMM收集了来自不同人群的32名受试者的微表情，包含159个微表情片段，视频的帧率为200 f/s，分辨率为2 040×1 088，标注了7个情感类别：“高兴”“惊讶”“悲伤”“愤怒”“恐惧”“厌恶”“轻蔑”。因3个数据集的情绪类别标注不同，融合数据集统一为3个类别（“积极”“消极”“惊讶”），其中“高兴”类别被重新标注为“积极”，“厌恶”“压抑”“愤怒”“轻蔑”“恐惧”被重新标注为“消极”，“惊讶”类别则保持不变。融合后的数据集包含来自68个对象的442个微表情序列。来自每个数据集的具体数量详见表2，很容易看出融合后的数据集中“惊讶”“积极”“消极”的比例大约为1∶1.3∶3，数据集还存在严重的数据类别不平衡问题。