如何提高姿势表达质量。 假设表达式 ca图像系统正变得越来越流行。虽然它们在艺术/娱乐行业已经存在了相当长的一段时间，但近年来，它们在科技行业也得到了发展。无论哪个行业，在获取所需的姿势方面都面临着普遍的挑战。 为了帮助在科技领域实现更高质量的机器学习数据，并促进艺术/娱乐领域更准确的参考姿势，下面是一份指南，其中包含了需要避免的常见错误，以便让你的数据参与者、演员或模型发挥最大的作用。

注: 这个话题有很多内容。这是一个删减版，只有上脸的表情。我是可以咨询的(facetheFACS@melindaozel.com如果您想获得下脸和/或组合表情的相同信息，请联系我们。

捕捉静态表情的最佳实践。 技术方面

招聘和策划中应避免的错误

招聘

选择你的收款团队将大大影响你的项目质量。 在技术领域，雇佣数据采集人员时常见的错误包括：。

不要雇用资质过高的人员收集数据  

• 数据采集可能是乏味和重复的。虽然专业知识在数据战略阶段很重要，但在数据采集阶段却不是必须的。雇佣素质过高的人收集数据，会增加你的员工因任务刺激不足和职业停滞而变得疲惫的可能性。无聊和停滞会降低个人留在你的团队中的动力--除非你有明确的晋升途径。雇用经验较少的人将增加留住团队成员的机会。这也将为缺乏经验的员工提供职业发展的机会，而不是延续令人窒息的承包商结构。
• 在一个数据采集项目中，最糟糕的事情之一就是高流失率。你希望你的团队知道你的房子式采集流程的来龙去脉。一个了解你的系统的斗争和黑客的消息灵通的团队将产生更准确的数据，并减少解决问题的时间。

 不要 重视经验而非人事技能 

• 让你的参与者感到舒适是战斗的一半。在新奇和不自然的环境中，人们的表现力较差。数据采集环境本质上是不自然的；所以你要用直观和人性化的工作人员来弥补不舒服的环境。雇佣具有客户服务背景或具有强烈情商的数据采集人员，会比雇佣具有技术经验的人员让你走得更远。

规划

你选择采集的表达式数据将根据用例和资源可用性而有所不同。规划中常见的错误包括：

 避免有缺陷的指南和不准确的视觉效果 

• 由于缺乏对表情细微差别的了解，大多数姿势指南要么描述不正确，要么视觉示例不准确。为了减少这个问题，向专家咨询或将时间/培训材料（如《面部动作编码系统手册》）分配给你的团队中的指定成员是至关重要的。

A取消多余或不相关的姿势