有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
HUST-LEBW|眼眨检测数据集|疲劳检测数据集
收藏arXiv2019-12-18 更新2024-06-21 收录
下载链接：
https://thorhu.github.io/Eyeblink-in-the-wild/
下载链接
链接失效反馈资源简介：
HUST-LEBW数据集是由华中科技大学人工智能与自动化学院创建的，旨在研究自然环境下的眼眨检测。该数据集包含673个视频样本，其中381个为正样本，292个为负样本，所有样本均从无约束的电影中捕获，涵盖了人脸属性、头部姿态、光照条件和成像配置的显著变化。数据集的创建过程涉及从20部不同风格的电影中捕获眼眨样本，并对每帧进行面部定位、眼定位和局部眼图像提取的标注工作。HUST-LEBW数据集主要应用于解决自然环境下眼眨检测的挑战，特别是在欺骗检测、驾驶疲劳检测和面部反欺骗等领域的实时应用。
提供机构：
华中科技大学人工智能与自动化学院
创建时间：
2019-02-21
AI搜集汇总
数据集介绍
构建方式
HUST-LEBW数据集的构建方式独具匠心，通过从无约束的电影中采集673个眼眨视频样本（包括381个正样本和292个负样本），涵盖了面部属性、头部姿态、光照条件和成像配置的显著变化。这些样本被标注为眼眨或非眼眨，形成了一个包含时空序列信息的眼眨检测数据集。该数据集的构建不仅考虑了眼眨过程的完整性，还通过修改的长短期记忆（LSTM）模型捕捉多尺度时间信息，并提出了一种能够同时揭示外观和运动特征的特征提取方法，从而为眼眨检测任务提供了丰富的数据支持。
使用方法
HUST-LEBW数据集的使用方法多样，适用于多种眼眨检测算法的训练和评估。研究者可以通过该数据集训练和验证基于LSTM的时空模式识别模型，利用数据集中的多尺度时间信息和外观与运动特征进行眼眨检测。此外，数据集的标注信息可以用于评估眼眨检测算法的准确性和鲁棒性，特别是在复杂和多变的“野外”环境中。通过使用HUST-LEBW数据集，研究者可以开发和优化能够在实际应用中有效运行的眼眨检测系统。
背景与挑战
背景概述
眼动检测在欺骗检测、驾驶疲劳检测和面部反欺骗等领域具有广泛的应用。尽管已有许多研究致力于解决眼动检测问题，但大多数现有方法都是在受限的室内条件下进行的，具有相对一致的主体和环境设置。然而，在实际应用中，自然环境下的眼动检测更为重要，且更具挑战性。为此，Guilei Hu等人于2012年创建了HUST-LEBW数据集，该数据集包含673个眼动视频样本，其中381个为正样本，292个为负样本。这些样本从不受限制的电影中捕获，具有面部属性、头部姿势、光照条件和成像配置等方面的显著变化。该数据集的建立为自然环境下的眼动检测研究提供了重要的资源，推动了相关领域的发展。
当前挑战
HUST-LEBW数据集的构建和应用面临多重挑战。首先，数据集的样本来自不受限制的电影，这导致了面部属性、头部姿势、光照条件和成像配置的显著变化，增加了眼动检测的难度。其次，构建过程中需要精确地定位和跟踪人眼，这要求高效的算法和准确的标注。此外，眼动检测任务本身是一个二元时空模式识别问题，需要捕捉多尺度的时间信息，这对现有的识别模型提出了更高的要求。最后，如何在实际应用中实现实时眼动检测，同时保证检测的准确性和效率，是该数据集面临的另一大挑战。
常用场景
经典使用场景
在眼动检测领域，HUST-LEBW数据集的经典应用场景主要集中在实时眼动检测、欺骗检测、驾驶疲劳检测和面部反欺骗等。该数据集通过捕捉自然环境中的眼动视频样本，解决了传统数据集在受限室内条件下采集的局限性，为研究者提供了一个更具挑战性和实用性的数据平台。
解决学术问题
HUST-LEBW数据集解决了眼动检测在自然环境中的学术研究问题，特别是在面部属性、头部姿态、光照条件和成像配置等方面存在显著变化的场景。这不仅推动了眼动检测技术的发展，还为相关领域的研究提供了新的视角和方法。
实际应用
在实际应用中，HUST-LEBW数据集被广泛应用于需要实时眼动检测的场景，如驾驶监控系统、安全监控和交互式人机界面。通过提供自然环境下的眼动数据，该数据集有助于开发更鲁棒和适应性更强的眼动检测算法，从而提高这些系统的性能和可靠性。
数据集最近研究
最新研究方向
在眼动检测领域，HUST-LEBW数据集的最新研究方向主要集中在野外环境下的实时眼动检测。这一方向的研究旨在解决传统眼动检测方法在受限室内条件下表现良好，但在复杂多变的野外环境中效果显著下降的问题。通过构建包含673个眼动视频样本的HUST-LEBW数据集，研究者们提出了一种基于二元时空模式识别的任务框架，并采用改进的长短期记忆（LSTM）模型来捕捉多尺度的时间信息，以验证眼动行为。此外，研究还提出了一种能够同时揭示外观和运动特征的特征提取方法，显著提升了在野外环境下的眼动检测性能。这些研究不仅推动了眼动检测技术在实际应用中的可行性，也为相关领域的进一步发展提供了新的思路和方法。
相关研究论文
- 1Towards Real-time Eyeblink Detection in The Wild:Dataset,Theory and Practices华中科技大学人工智能与自动化学院 · 2019年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国气象数据
本数据集包含了中国2023年1月至11月的气象数据，包括日照时间、降雨量、温度、风速等关键数据。通过这些数据，可以深入了解气象现象对不同地区的影响，并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。
github 收录
GME Data
关于2021年GameStop股票活动的数据，包括每日合并的GME短期成交量数据、每日失败交付数据、可借股数、期权链数据以及不同时间框架的开盘/最高/最低/收盘/成交量条形图。
github 收录
猫狗图像数据集
该数据集包含猫和狗的图像，每类各12500张。训练集和测试集分别包含10000张和2500张图像，用于模型的训练和评估。
github 收录
Fruits-360
一个高质量的水果图像数据集，包含多种水果的图像，如苹果、香蕉、樱桃等，总计42345张图片，分为训练集和验证集，共有64个水果类别。
github 收录
Traditional-Chinese-Medicine-Dataset-SFT
该数据集是一个高质量的中医数据集，主要由非网络来源的内部数据构成，包含约1GB的中医各个领域临床案例、名家典籍、医学百科、名词解释等优质内容。数据集99%为简体中文内容，质量优异，信息密度可观。数据集适用于预训练或继续预训练用途，未来将继续发布针对SFT/IFT的多轮对话和问答数据集。数据集可以独立使用，但建议先使用配套的预训练数据集对模型进行继续预训练后，再使用该数据集进行进一步的指令微调。数据集还包含一定比例的中文常识、中文多轮对话数据以及古文/文言文<->现代文翻译数据，以避免灾难性遗忘并加强模型表现。
huggingface 收录