研究文章

2.5 d面部人格预测基于深度学习

表2

在现有的研究中面临的数据集的属性。

引用 数量的样品 年龄 性别 比赛 的姿势 表达式 数据源

(12,19] 186年 在18到22岁 M-F 亚洲 前面 中性 厦门理工学院的学生(艺术与科学)
(13,14] 66年 20 - 30 M-F 白色的 前面 中性 业余演员面临来自卡罗林斯卡数据库(26]
(25] 244年 18-37 M-F 白色的 前面 中性 丹麦科技大学的校园招聘测试人员
(7] 608年 在18到22岁 M-F 亚洲 前面 中性 大学生不同的学科和成绩在江西省一所大学
(17] 829年 热带病 M-F 多种多样的 前面 中性 Color-FERET
(24] 66年 20 - 30 M-F 白色的 前面 中性 业余演员面临来自卡罗林斯卡数据库(26]
(13] 650年 30 - 50 M-F 多种多样的 前面 中性 真正的政治家的形象
(18] 1856年 18-55 M-F 亚洲 前面 中性 两个子集分别包含罪犯和noncriminals的图像
(15] 3998年 年龄在18岁至25岁之间 M-F 多种多样的 前面 中性 从一个社交网络下载图片
(19] 220年 多种多样的 M-F 多种多样的 前面 中性 “脸”软件合成
(16] 12447年 多种多样的 M-F 白色的 前面 中性 志愿者的self-photos
(20.] 480年 多种多样的 M-F 多种多样的 前面 中性 “脸”软件合成
(21] 5563年 多种多样的 M-F 多种多样的 混合 中性 视频集合:大会ChaLearn圈2016竞争
(22] 10000年 多种多样的 M-F 多种多样的 混合 中性 视频集合:大会ChaLearn圈2016竞争