Wyszukiwarka
Abstrakt
The shortage of emotion-annotated video datasets suitable for training and validating machine learning models for facial expression-based emotion recognition stems primarily from the significant effort and cost required for manual annotation. In this paper, we present AffecTube as a comprehensive solution that leverages crowdsourcing to annotate videos directly on the YouTube platform, resulting in ready-to-use emotion-annotated datasets. AffecTube provides a low-resource environment with an intuitive interface and customizable options, making it a versatile tool applicable not only to emotion annotation, but also to various video-based behavioral annotation processes.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Cytuj jako
Pełna treść
pobierz publikację
pobrano 55 razy
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/j.softx.2023.101504
- Licencja
-
otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
SoftwareX
nr 23,
ISSN: - Język:
- angielski
- Rok wydania:
- 2023
- Opis bibliograficzny:
- Kulas D., Wróbel M.: AffecTube — Chrome extension for YouTube video affective annotations// SoftwareX -,iss. 23 (2023), s.=-
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/j.softx.2023.101504
- Źródła finansowania:
-
- IDUB
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 89 razy
Publikacje, które mogą cię zainteresować
DevEmo—Software Developers’ Facial Expression Dataset
- M. Manikowska,
- D. Sadowski,
- A. Sowiński
- + 1 autorów
2023