crema_d

  • 説明

CREMA-Dは、感情認識のための視聴覚データセットです。データセットは、さまざまな基本的な感情状態(幸せ、悲しみ、怒り、恐怖、嫌悪感、中立)で話された文章の顔と声の感情表現で構成されています。多様な民族的背景を持つ91人の俳優の7,442クリップが収集されました。このリリースには、元のオーディオビジュアルレコーディングからのオーディオストリームのみが含まれています。サンプルは、トレーニング、検証、テストの間で分割されるため、各スピーカーからのサンプルは正確に1つの分割に属します。

スプリット
'test' 1,556
'train' 5,144
'validation' 738
  • 特長
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=tf.int64),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=6),
    'speaker_id': tf.string,
})
  • 引用
@article{cao2014crema,
  title={ {CREMA-D}: Crowd-sourced emotional multimodal actors dataset},
  author={Cao, Houwei and Cooper, David G and Keutmann, Michael K and Gur, Ruben C and Nenkova, Ani and Verma, Ragini},
  journal={IEEE transactions on affective computing},
  volume={5},
  number={4},
  pages={377--390},
  year={2014},
  publisher={IEEE}
}