- توضیحات :
SAVEE (Surrey Audio-Visual Expected Emotion) یک مجموعه داده تشخیص احساس است. این فیلم شامل ضبط شده از 4 بازیگر مرد در 7 احساس مختلف ، در کل 480 جمله انگلیسی انگلیسی است. جملات از مجموعه استاندارد TIMIT انتخاب شده و از نظر آوایی متعادل برای هر احساس انتخاب شده اند. این نسخه شامل فقط جریان صوتی از ضبط صدا و تصویر اصلی است. داده ها تقسیم می شوند به طوری که مجموعه آموزش شامل 2 بلندگو است و هر دو مجموعه اعتبار سنجی و آزمون به ترتیب از نمونه های 1 بلندگو تشکیل شده است.
صفحه اصلی : http://kahlan.eps.surrey.ac.uk/savee/
کد منبع :
tfds.audio.Savee
نسخه ها :
-
1.0.0
(پیش فرض): بدون یادداشت انتشار.
-
اندازه بارگیری :
Unknown size
اندازه مجموعه داده :
259.15 MiB
دستورالعمل های بارگیری دستی : برای این مجموعه داده لازم است که داده های منبع را به صورت دستی در
download_config.manual_dir
(به طور پیش فرض~/tensorflow_datasets/downloads/manual/
):
manual_dir باید حاوی پرونده AudioData.zip باشد. این پرونده باید در Data / Zip / AudioData.zip در پوشه مجموعه داده ارائه شده هنگام ثبت نام باشد. برای دریافت پیوند برای بارگیری مجموعه داده ها ، باید در http://personal.ee.surrey.ac.uk/Personal/P.Jackson/SAVEE/Register.html ثبت نام کنید.ذخیره خودکار ( مستندات ): خیر
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 120 |
'train' | 240 |
'validation' | 120 |
- ویژگی ها :
FeaturesDict({
'audio': Audio(shape=(None,), dtype=tf.int64),
'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=7),
'speaker_id': tf.string,
})
کلیدهای تحت نظارت (به
as_supervised
سند نظارت شده مراجعه کنید):('audio', 'label')
نقل قول :
@inproceedings{Vlasenko_combiningframe,
author = {Vlasenko, Bogdan and Schuller, Bjorn and Wendemuth, Andreas and Rigoll, Gerhard},
year = {2007},
month = {01},
pages = {2249-2252},
title = {Combining frame and turn-level information for robust recognition of emotions within speech},
journal = {Proceedings of Interspeech}
}
شکل ( tfds.show_examples ): پشتیبانی نمی شود.
مثالها ( tfds.as_dataframe ):