【CAIE福利】面部情绪识别预处理数据集免费分享（约5w样本，覆盖7类情绪）

2025-10-16

为助力面部情绪识别领域的科研探索与人工智能应用开发，CAIE现面向科研工作者、人工智能开发者及相关领域学习者，免费分享一套经专业预处理的面部情绪识别数据集。该数据集基于 FER2013 与 RAFDB 两大经典数据集加工生成，可高效支撑情绪识别算法模型的训练与验证。

数据集核心信息

数据来源与处理流程：

以 FER2013 和 RAFDB 数据集为基础，通过 HaarCascade 等技术对含有人脸的图像进行滤波（置信度 0.8）以降低噪点；同时将 FER2013 中的灰度图像转换为 RGB 格式，保障图像信息的丰富性与格式一致性。

情绪类别与样本规模：

覆盖愤怒、厌恶、恐惧、快乐、中性、悲伤、惊讶7 类核心情绪，总计约5w张图像，各情绪样本量分布如下：

愤怒、厌恶、恐惧、惊喜：各 5920 张；

快乐：11400 张；

中性：8166 张；

悲伤：6535 张。

图像与标注特性：

图像格式为.jpg，分辨率可变且多数为标准面部分辨率，可清晰呈现面部表情细节；采用 “文件夹名称对应情绪标签” 的组织方式，支持通过 PyTorch、TensorFlow/Keras、OpenCV 等主流框架直接加载，便于快速开展算法研发。

适用场景

✅ 人工智能领域：支撑卷积神经网络（CNN）等深度学习模型的训练、验证与优化，适用于面部情绪识别、表情特征提取等计算机视觉任务；

✅ 科研与教育领域：可服务于心理学、人机交互等学科中 “情绪 - 面部表情关联机制” 的研究，也可作为人工智能、计算机视觉课程的实战教学数据集，助力理论与实践融合。

恭喜你顺利通过CAIE 注册人工智能工程师认证！你的 AI 专业能力已获官方认可。愿你继续在智能时代保持领先，持续进步、不断升级。