摘要：学习表情数据库中学习表情图像的数量与质量将直接决定深度学习模型的效率和泛化能力,但既有表情数据库存在样本数量少、分辨率低、表情类型有限等问题,而且其建设初衷也并非出于教育教学研究的需要,这无疑限制了学习表情的识别与应用。文章从现实需求出发,建成了拥有168000幅图像的学习表情数据库,并采用主观评价法对该数据库进行了评价,以确保该数据库的实用性和有效性。评价结果显示,学习表情数据库具有较高质量,能够满足实际需要。学习表情数据库的建设,对于提高学习表情识别的效率、准确率和鲁棒性具有重要意义,并有助于实现学习者与学习环境之间的深层情感交互。

摘要：阐述表情数据库研究现状,介绍学习表情的采集方案,并对学习表情进行采集、编码和评价。评价结果表明,该学习表情数据库不仅可以提高学习表情识别效率,还可以建立起深层情感交互。

摘要：表情图像是基于表情识别技术分析学习情感的基础,然而现有表情库样本数量有限、表情图像中仅包含单人表情、拍摄场景为实验室环境,这些局限性无法支持学习情感分析的深入研究。为了解决这些问题,文章搭建了北京师范大学学习情感数据库(Beijing Normal University Learning Affect Database,BNU LAD),同时对情感数据的标注方法进行了深入研究,最终形成了包含144位学习者的22708张表情图像、1792组图像序列及243段视频片段的学习情感数据库。该数据库对学习环境下的学习情感分析具有重要意义。

摘要：为了提高疼痛评估的快捷性、直观性、连续性、准确性,本研究建立了一种基于深度学习和面部表情图像的疼痛强度智能评估模型,为准确评估疼痛病情、适时调整治疗方案、实施有效镇痛措施提供补充依据。该方法采集7位志愿者在6种不同疼痛强度状态下的表情图片,通过预处理和数据增广形成数据库,设计深度卷积神经网络并进行训练,使用特征级差异进行面部疼痛表情分类。在JAFFE、CK+数据库上进行模型性能验证和评价。模型在训练集、测试集分类准确率分别达到98.15%、90.91%,训练速度19 ms/step。模型在JAFFE、CK+数据库上的验证效果良好。结果表明,该方法在疼痛表情识别中准确有效,评分结果具有显著性。