面部情绪识别数据集的介绍和下载
1. 数据集总结
Facial Emotion Recognition Dataset（面部情绪识别数据集）是用于大学项目的数据源，由FER2013数据集和RAFDB数据集处理合并而成；处理过程采用HaarCascade技术（置信度0.8）筛选含人脸图像以降低噪声，并将FER2013的灰度图像转换为RGB格式，包含7种情绪的图像；需注意该数据集存在类别不平衡问题，直接使用会引发问题，其许可证为Attribution 4.0 International（CC BY 4.0），标签涵盖图像、计算机视觉、分类变量、图像分类、CNN等领域。
源网页：https://www.kaggle.com/datasets/fahadullaha/facial-emotion-recognition-dataset
数据集文件：「FacialEmotionRecognition.zip」，链接：https://pan.quark.cn/s/e1a6182491c6
2. 思维导图（mindmap）
3. 详细总结
一、数据集基本概况
- 数据集名称：Facial Emotion Recognition Dataset（面部情绪识别数据集）
- 核心用途：作为大学项目的数据源，用于面部情绪识别相关研究或应用开发
- 许可证类型：Attribution 4.0 International（CC BY 4.0），允许在遵循署名要求的前提下使用、分享和修改数据
- 所属领域标签：涵盖5个核心标签，具体如下表所示：
| 标签类别 | 标签内容 |
|---|---|
| 数据类型 | Image（图像） |
| 技术领域 | Computer Vision（计算机视觉） |
| 数据属性 | Categorical（分类变量） |
| 任务类型 | Image Classification（图像分类） |
| 常用模型 | CNN（卷积神经网络） |
二、数据集来源与处理
- 原始数据来源：由两个公开数据集合并而成
- 来源1：FER2013 Dataset（经典面部情绪识别数据集）
- 来源2：RAFDB Dataset（实时情感分析数据库，含丰富场景下的面部图像）
- 数据处理流程：通过多步技术处理优化数据质量
- 人脸筛选：采用HaarCascade技术，以0.8的置信度分数筛选包含清晰人脸的图像，排除无脸或人脸模糊的无效数据
- 噪声降低：通过技术手段减少图像噪声，提升图像清晰度，为后续模型训练提供高质量输入
- 格式转换：将FER2013数据集中的灰度图像统一转换为RGB格式，确保两个来源数据的格式一致性
- 数据合并：将处理后的FER2013和RAFDB数据整合为一个数据集，形成更丰富的样本库
三、数据集核心特征与注意事项
- 核心特征：包含7种情绪对应的图像样本，可用于多类别面部情绪（如开心、悲伤、愤怒等）的识别任务
- 关键问题：存在类别不平衡问题——不同情绪类别的样本数量差异较大，若直接使用该数据集进行模型训练，可能导致模型偏向样本量多的类别，降低对样本量少的类别的识别准确率，需在使用前进行数据平衡处理（如过采样、欠采样等）