
Conjunto de dados de áudio/vídeo multimodal geral em inglês
Conjunto de dados faciais multimodais de alta qualidade para capacitar modelos de reconhecimento facial
Conjunto de dados de nível profissional com imagens faciais, vídeos e áudio em vários ângulos
Aproveitando anos de experiência em processamento de dados de imagem, a Surfing Tech fornece conjuntos de dados de alta qualidade personalizados para treinamento e teste de várias tarefas de reconhecimento facial para profissionais de IA. Os dados contêm 300 indivíduos, com cada um recitando 300 frases. A configuração de gravação inclui 1 microfone de lapela para áudio, 1 smartphone para áudio e outro smartphone para vídeo, que são sincronizados manualmente.
O áudio capturado pelo smartphone tem uma taxa de amostragem de 44.1 KHz a 16 bits de profundidade. O vídeo é gravado em resolução de 1440¡Á1080 a 60 FPS de taxa de quadros. O áudio do microfone de lapela também é amostrado a 44.1 KHz com 16 bits de profundidade. As três modalidades são alinhadas manualmente em dados audiovisuais síncronos.
Ao capturar a fala e as expressões faciais em uma variedade de emoções, este conjunto de dados permite a construção de modelos robustos de reconhecimento facial multiângulo com adaptabilidade aprimorada.
Convidamos desenvolvedores de IA a usar nossas soluções de conjuntos de dados faciais para iterações e atualizações aceleradas de recursos de reconhecimento facial.
| Nome de Dados | Conjunto de dados de áudio/vídeo multimodal geral em inglês |
| Produtor | Tecnologia de surf |
| Propriedade de DPI | Tecnologia de surf |
| Qtd. | 100 ID |
| Etnia | Falante de inglês |
| Contexto | interior |
| Dispositivo capturado | smartphone, microfone |
| Detalhes (cada pessoa) | cada sujeito fala 300 frases. Há 3 dispositivos: 1 smartphone gravando vídeo+1 smartphone gravando áudio+1 microfone gravando áudio, e alinhados manualmente. |







