Bases de données
Le LIVIA met des bases de données spécialisées à la disposition de la communauté. Ces bases de données servent de ressources et de références pour l’étude, l’expérimentation et l’avancement des techniques d’analyse d’images et d’intelligence artificielle.
Cette page présente ces ensembles de données recueillies au LIVIA pour des applications en apprentissage automatique.
Ambivalence et hésitation comportementale
Le jeu de données Behavioural Ambivalence/Hesitancy (BAH) répond à un besoin important dans la recherche sur la reconnaissance des émotions. Il comprend 1427 vidéos provenant de 300 participantes et participants canadiens aux profils variés, et il met en lumière des conflits émotionnels subtils à travers les expressions faciales, la voix et le langage corporel. Grâce à des annotations d’expert, des transcriptions et des métadonnées complètes, BAH permet aux chercheuses et chercheurs de développer des modèles d’apprentissage automatique capables de détecter l’ambivalence et l’hésitation, des émotions complexes essentielles pour personnaliser les interventions numériques visant le changement de comportement.
SR-CACO-2
SR-CACO-2 comble un besoin essentiel dans la recherche en imagerie par microscopie. Ce jeu de données propose 2200 images de cellules Caco-2 réparties selon quatre niveaux de résolution et trois marqueurs fluorescents, offrant ainsi 9937 vignettes d’entraînement pour les algorithmes de super-résolution. En permettant aux chercheuses et chercheurs d’améliorer la qualité des images sans accroître l’exposition lumineuse nocive pour les cellules vivantes, SR-CACO-2 appuie le développement de méthodes avancées d’apprentissage automatique pour l’imagerie biologique, et les résultats de l’évaluation comparative démontrent qu’il existe encore un important potentiel d’innovation.