ذخیره

  • توضیحات :

SAVEE (احساس بیان شده صوتی و تصویری Surrey) یک مجموعه داده تشخیص احساسات است. این شامل ضبط شده از 4 بازیگر مرد در 7 احساس مختلف، در مجموع 480 بیان انگلیسی بریتانیایی است. جملات از مجموعه استاندارد TIMIT انتخاب شدند و از نظر آوایی برای هر احساس متعادل شدند. این نسخه فقط شامل جریان صوتی از ضبط صوتی و تصویری اصلی است.

داده ها به گونه ای تقسیم می شوند که مجموعه آموزشی از 2 سخنران تشکیل شده است و هر دو مجموعه اعتبار سنجی و تست به ترتیب از نمونه هایی از 1 سخنران تشکیل شده است.

  • اسناد اضافی : کاوش در کاغذها با کد

  • صفحه اصلی : http://kahlan.eps.surrey.ac.uk/savee/

  • کد منبع : tfds.datasets.savee.Builder

  • نسخه ها :

    • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

  • اندازه دانلود : Unknown size

  • حجم مجموعه داده : 259.15 MiB

  • دستورالعمل‌های دانلود دستی : این مجموعه داده از شما می‌خواهد که داده‌های منبع را به صورت دستی در download_config.manual_dir (پیش‌فرض به ~/tensorflow_datasets/downloads/manual/ ):
    manual_dir باید حاوی فایل AudioData.zip باشد. این فایل باید در پوشه Data/Zip/AudioData.zip در پوشه داده ارائه شده در هنگام ثبت نام باشد. برای دریافت لینک دانلود مجموعه داده، باید در http://personal.ee.surrey.ac.uk/Personal/P.Jackson/SAVEE/Register.html ثبت نام کنید.

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'test' 120
'train' 240
'validation' 120
  • ساختار ویژگی :
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=7),
    'speaker_id': string,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
سمعی سمعی (هیچ یک،) int64
برچسب ClassLabel int64
speaker_id تانسور رشته
  • نقل قول :
@inproceedings{Vlasenko_combiningframe,
author = {Vlasenko, Bogdan and Schuller, Bjorn and Wendemuth, Andreas and Rigoll, Gerhard},
year = {2007},
month = {01},
pages = {2249-2252},
title = {Combining frame and turn-level information for robust recognition of emotions within speech},
journal = {Proceedings of Interspeech}
}