AffectNet：一个用于自然场景面部表情、效价与唤醒度计算的数据库

自然场景下的自动情感计算是计算机视觉中的一个挑战性问题。现有的自然场景面部表情标注数据库规模较小，且大多覆盖离散情绪（即类别模型）。用于连续维度模型（例如效价和唤醒度）情感计算的标注面部数据库非常有限。为满足这一需求，我们收集、标注并准备公开发布一个新的自然场景面部情感数据库（称为 AffectNet）。AffectNet 包含超过 1,000,000 张来自互联网的面部图像，通过使用六种语言的 1250 个情感相关关键词查询三大搜索引擎获得。大约一半的检索图像被手动标注了七种离散面部表情的存在与否以及效价和唤醒度的强度。AffectNet 是迄今为止最大的自然场景面部表情、效价和唤醒度数据库，使得在两种不同情感模型下进行自动面部表情识别研究成为可能。使用两个基线深度神经网络在类别模型中分类图像，并预测效价和唤醒度的强度。各种评估指标表明，我们的深度神经网络基线性能优于传统机器学习方法和现成的面部表情识别系统。