TrainingDataPro/facial-emotion-recognition-dataset

--- language: - en license: cc-by-nc-nd-4.0 task_categories: - image-classification - image-to-image tags: - code dataset_info: features: - name: set_id dtype: int32 - name: neutral dtype: image - name: anger dtype: image - name: contempt dtype: image - name: disgust dtype: image - name: fear dtype: image - name: happy dtype: image - name: sad dtype: image - name: surprised dtype: image - name: age dtype: int8 - name: gender dtype: string - name: country dtype: string splits: - name: train num_bytes: 22981 num_examples: 19 download_size: 453786356 dataset_size: 22981 --- # Facial Emotion Recognition Dataset The dataset consists of images capturing people displaying **7 distinct emotions** (*anger, contempt, disgust, fear, happiness, sadness and surprise*). Each image in the dataset represents one of these specific emotions, enabling researchers and machine learning practitioners to study and develop models for emotion recognition and analysis. The images encompass a diverse range of individuals, including different *genders, ethnicities, and age groups*. The dataset aims to provide a comprehensive representation of human emotions, allowing for a wide range of use cases. ### The dataset's possible applications: - automatic emotion detection - mental health analysis - artificial intelligence (AI) and computer vision - entertainment industries - advertising and market research - security and surveillance  # Get the dataset ### This is just an example of the data Leave a request on [**https://trainingdata.pro/datasets**](https://trainingdata.pro/datasets/facial-emotion-image-collection?utm_source=huggingface&utm_medium=cpc&utm_campaign=facial-emotion-recognition-dataset) to discuss your requirements, learn about the price and buy the dataset. # Content - **images**: includes folders corresponding to people and containing images with 8 different impersonated emotions, each file is named according to the expressed emotion - **.csv** file: contains information about people in the dataset ### Emotions in the dataset: - anger - contempt - disgust - fear - happy - sad - surprised ### File with the extension .csv includes the following information for each set of media files: - **set_id**: id of the set of images, - **gender**: gender of the person, - **age**: age of the person, - **country**: country of the person # Images for facial emotion recognition might be collected in accordance with your requirements. ## [TrainingData](https://trainingdata.pro/datasets/facial-emotion-image-collection?utm_source=huggingface&utm_medium=cpc&utm_campaign=facial-emotion-recognition-dataset) provides high-quality data annotation tailored to your needs More datasets in TrainingData's Kaggle account: **https://www.kaggle.com/trainingdatapro/datasets** TrainingData's GitHub: **https://github.com/Trainingdata-datamarket/TrainingData_All_datasets** *keywords: biometric system, biometric dataset, face recognition database, face recognition dataset, face detection dataset, facial analysis, object detection dataset, deep learning datasets, computer vision datset, human images dataset, human faces dataset, machine learning, image-to-image, facial expression recognition, emotion detection, facial emotions, emotion recognition, er, human emotions, facial cues*语言： - en（英语） 许可证：cc-by-nc-nd-4.0 任务类别： - 图像分类 - 图像到图像 标签： - 代码 数据集信息： 特征： - 名称：set_id，数据类型：int32 - 名称：neutral（中性表情），数据类型：image（图像） - 名称：anger（愤怒），数据类型：image（图像） - 名称：contempt（轻蔑），数据类型：image（图像） - 名称：disgust（厌恶），数据类型：image（图像） - 名称：fear（恐惧），数据类型：image（图像） - 名称：happy（快乐），数据类型：image（图像） - 名称：sad（悲伤），数据类型：image（图像） - 名称：surprised（惊讶），数据类型：image（图像） - 名称：age，数据类型：int8 - 名称：gender，数据类型：string（字符串） - 名称：country，数据类型：string（字符串） 划分： - 名称：train（训练集），字节数：22981，示例数量：19 下载大小：453786356 数据集大小：22981 # 面部表情识别数据集 本数据集包含展现人类七种典型情绪的图像，分别为愤怒、轻蔑、厌恶、恐惧、快乐、悲伤与惊讶。数据集中的每张图像均对应上述某一种特定情绪，可助力研究人员与机器学习从业者开展情绪识别与分析相关的模型研究与开发工作。 这些图像涵盖了多样化的人群，包含不同性别、种族与年龄群体。本数据集旨在全面呈现人类情绪的多样性，可适配多种应用场景。 ### 数据集的潜在应用场景： - 自动情绪检测 - 心理健康分析 - 人工智能（AI）与计算机视觉 - 娱乐行业 - 广告与市场调研 - 安全与监控  # 获取数据集 ### 本示例仅展示部分数据 请访问[**https://trainingdata.pro/datasets/facial-emotion-image-collection?utm_source=huggingface&utm_medium=cpc&utm_campaign=facial-emotion-recognition-dataset**]提交需求，即可咨询定制方案、了解价格并购买本数据集。 # 数据集内容 - **图像**：包含按人物分组的文件夹，每个文件夹内包含八种模拟情绪的图像，文件命名均依据其所表达的情绪而定 - **.csv文件**：包含数据集中人物的相关信息 ### 数据集中包含的情绪： - 愤怒 - 轻蔑 - 厌恶 - 恐惧 - 快乐 - 悲伤 - 惊讶 ### 扩展名为.csv的文件 包含每组媒体文件的如下信息： - **set_id**：图像集合的编号 - **gender**：人物性别 - **age**：人物年龄 - **country**：人物所属国家 > 可根据您的需求定制采集面部情绪识别相关图像。 ## [TrainingData](https://trainingdata.pro/datasets/facial-emotion-image-collection?utm_source=huggingface&utm_medium=cpc&utm_campaign=facial-emotion-recognition-dataset) 可提供符合您需求的高质量数据标注服务 TrainingData在Kaggle平台的账号中还包含更多数据集：**https://www.kaggle.com/trainingdatapro/datasets** TrainingData的GitHub主页：**https://github.com/Trainingdata-datamarket/TrainingData_All_datasets** *关键词：生物识别系统、生物特征数据集、人脸识别数据库、人脸识别数据集、人脸检测数据集、面部分析、目标检测数据集、深度学习数据集、计算机视觉数据集、人类图像数据集、人脸数据集、机器学习、图像到图像、面部表情识别、情绪检测、面部情绪、情绪识别、ER、人类情绪、面部线索*

原始信息汇总

数据集概述

数据集名称

Facial Emotion Recognition Dataset

数据集内容

• 包含7种不同情绪的图像：anger, contempt, disgust, fear, happiness, sadness, surprise。
• 图像涵盖不同性别、种族和年龄段的个人。

数据集特征

• set_id: 整数类型，图像集的ID。
• neutral, anger, contempt, disgust, fear, happy, sad, surprised: 图像类型，代表不同情绪的图像。
• age: 字节整数类型，代表人物的年龄。
• gender, country: 字符串类型，分别代表人物的性别和国家。

数据集分割

• train: 包含19个样本，总大小为22981字节。

数据集应用

• 自动情绪检测
• 心理健康分析
• 人工智能和计算机视觉
• 娱乐行业
• 广告和市场研究
• 安全和监控

数据集文件

• images: 包含代表不同情绪的图像文件夹。
• .csv 文件: 包含人物的相关信息，如性别、年龄和国家。

搜集汇总

数据集介绍

构建方式

该数据集聚焦于面部情感识别领域，精心采集了涵盖7种基本情绪（愤怒、轻蔑、厌恶、恐惧、快乐、悲伤与惊讶）的人脸图像。每张图像均对应一种特定情绪，且样本覆盖了多样化的性别、种族和年龄群体，旨在构建一个具有广泛代表性的人类情感视觉库。数据以图像文件夹与CSV标注文件形式组织，其中CSV文件详细记录了每位受试者的性别、年龄、国籍等元信息，为情感分析研究提供了结构化的数据基础。

特点

数据集的核心特色在于其多维度的情感标注与丰富的个体属性信息。每一组图像均包含同一人物展示的8种情绪状态，便于进行跨情绪对比与个体内情感变化分析。此外，数据集中附带的年龄、性别与国籍标签，使得研究者能够深入探索情感表达在不同人口统计学维度上的差异，从而提升情感识别模型的泛化能力与公平性。

使用方法

该数据集适用于图像分类与图像到图像转换任务，可直接用于训练面部表情识别模型。使用时，研究者可依据CSV文件中的set_id字段关联图像文件夹，按需加载特定个体的情绪图像序列。推荐将数据划分为训练集与验证集，利用深度学习框架（如PyTorch或TensorFlow）构建卷积神经网络，对7类基本情绪进行端到端的分类学习。数据集还支持跨域研究，如分析不同国家或年龄组的情感表达模式。

背景与挑战

背景概述

面部表情识别作为情感计算与计算机视觉交叉领域的关键技术，长期以来备受学术界与工业界的广泛关注。由TrainingDataPro团队于近年构建的facial-emotion-recognition-dataset，专注于捕捉人类七种基本情绪（愤怒、轻蔑、厌恶、恐惧、快乐、悲伤与惊讶）的视觉表征。该数据集通过涵盖不同性别、年龄及族裔的多样化个体，旨在为自动情感检测、心理健康分析及人机交互等应用提供坚实的训练基础。其构建不仅推动了情感识别算法在真实场景中的泛化能力研究，更成为连接基础视觉特征与复杂心理状态理解的重要桥梁，对人工智能在安全监控、娱乐产业及市场研究等领域的落地产生了深远影响。

当前挑战

该数据集面临的核心挑战源于情感表达的复杂性与数据采集的局限性。首先，不同文化背景下个体对同一情绪的展现方式存在显著差异，使得模型在跨地域泛化时易受偏差干扰，同时年龄与性别因素进一步加剧了情绪表征的异质性。其次，数据集构建过程中需确保每张图像的情绪标签具有高度一致性，但人工标注往往受主观认知影响，导致轻蔑与厌恶等细微情绪的边界模糊。此外，当前样本规模较小（仅19组），难以覆盖真实世界中的光照、姿态及遮挡等复杂条件，限制了模型在非受控环境下的鲁棒性。这些挑战共同制约着情感识别技术从实验室走向实际应用的可信度与可靠性。

常用场景

经典使用场景

在计算机视觉与情感计算这一交叉领域中，面部表情识别是理解人类非语言交流的核心技术。该数据集通过系统采集涵盖愤怒、轻蔑、厌恶、恐惧、快乐、悲伤和惊讶七种基本情绪的人脸图像，为研究者提供了兼具多样性（性别、年龄、种族）与结构化的标注资源。其经典使用场景在于构建与评估基于深度学习的表情分类模型，例如利用卷积神经网络或视觉Transformer架构，对静态人脸图像进行端到端的情感类别预测，从而验证模型在跨人口学特征下的泛化能力。

解决学术问题

该数据集直面表情识别研究中长期存在的两大挑战：数据样本的单一性与标注粒度的粗糙性。通过提供每个受试者针对多种情绪的多视角图像，它有效支撑了细粒度情感分析的研究，例如区分极易混淆的‘恐惧’与‘惊讶’等近似表情。同时，其丰富的元数据（年龄、性别、国籍）使得研究者能够探索人口统计学因素对表情表达的影响，推动了公平性与去偏见的算法设计，为构建鲁棒且具文化包容性的情感识别系统奠定了实证基础。

衍生相关工作

该数据集催生了若干具有代表性的研究方向与经典工作。在算法层面，研究者基于其多类别平衡特性，提出了面向不平衡表情数据的焦点损失改进方案，显著提升了稀有情绪（如轻蔑）的识别准确率。在交叉应用上，有工作将此数据集与语音情感特征融合，构建了多模态情感分析框架，验证了视觉-听觉信号互补增强的可行性。此外，该数据集还被用于生成对抗网络的训练，探索表情编辑与面部动作单元合成技术，推动了可控人脸生成领域的进展。