中国大学生在真实课堂上的注释情感图像数据集,用于深度学习
Chengliang Wang1, Haoming Wang1, Zihui Hu2
1Department of Education Information Technology, Faculty of Education, East China Normal University, Shanghai, China.
Data in brief
|December 17, 2024
概括
这项研究引入了第一个真实世界的面部表情数据集用于教室,使先进的情绪识别. 该资源通过改进的教育技术和人工智能驱动的教学策略来支持个性化的学习.
科学领域:
- 教育技术的教育技术
- 计算机视觉 计算机视觉
- 情感计算是一种情感计算.
背景情况:
- 实时学生情绪监测对于个性化学习至关重要,但具有挑战性.
- 现有的情绪识别方法在教育环境中缺乏实际应用.
- 深度学习为教育中的面部表情识别提供了潜力.
研究的目的:
- 为了解决缺乏现实课堂面部表情数据集的问题.
- 建立一个高质量的数据集,用于训练情绪识别模型.
- 促进教育技术的进步,以实现个性化的学习.
主要方法:
- 在真实的课堂环境中收集了面部表情数据.
- 使用OpenCV进行数据预处理.
- 建立了一个数据集,包含5527张跨训练,验证和测试集的图像.
主要成果:
- 开发了第一个用于教育背景的真实世界面部表情数据集.
- 数据集包括情绪:惊喜,快乐,中立,困惑和无聊.
- 通过严格的选和预处理,确保数据质量和真实性.
结论:
- 该数据集为在教育中开发实时情绪识别模型提供了基础.
- 增强个性化的学习和有效的教学策略的潜力.
- 克服了基于实验室数据集的局限性,提供了更大的生态有效性.
