基于游戏框架构建“自然场景”情感数据集
计算机视觉与模式识别
2016-07-12 v1
摘要
为了创建一个包含大量平衡样本的“自然场景”面部情感数据集，本文提出了一种基于游戏的数据采集框架。该框架主要包括三个组件：游戏引擎、游戏界面以及数据采集与评估模块。我们使用深度学习方法构建了一个情感分类器作为游戏引擎。随后通过一个情感网页游戏让玩家享受游戏，同时数据采集模块自动获取带有标注的情感图像。利用我们的游戏，我们在一个月的试运行期间收集了超过 15,000 张图像，并构建了一个名为“GaMo”的情感数据集。为了评估该数据集，我们比较了在 GaMo 和 CIFE 上训练的两个深度学习模型的性能。实验结果表明，由于 GaMo 规模大且类别平衡，与在 CIFE 上训练的情感检测器（该检测器曾用于游戏引擎中采集人脸图像）相比，GaMo 可用于构建更鲁棒的情感检测器。
引用
@article{arxiv.1607.02678,
title = {Towards an "In-the-Wild" Emotion Dataset Using a Game-based Framework},
author = {Wei Li and Farnaz Abtahi and Christina Tsangouri and Zhigang Zhu},
journal= {arXiv preprint arXiv:1607.02678},
year = {2016}
}
备注
This paper is accepted at CVPR 2016 Workshop