人脸识别中的Training set, Gallery set 和 Probe set

原创 于 2022-08-17 11:00:30 发布 · 1k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

本文详细解读了步态识别中Galleryset（人脸库）与Probeset（待验证库）的概念，涉及它们在训练、验证过程中的作用，以及如何通过距离计算进行人脸匹配。

参考文献：
Gallery set 和 Probe set
步态识别中Probe Set和Gallery Set的理解

  • 之前看人脸识别相关的paper的时候，出现了这些名词，所以记录一下；
  • 如果有不对的地方，还希望批评指正。
  • Training set：训练模型用的数据集；
  • Gallery set： ground- truth的人脸库，用来与Probe set中的人脸图比对；
  • Probe set：待验证的人脸库，与Gallery set的人脸库比对，跟Gallery set的人脸库中哪张人脸的距离（余弦距离、欧氏距离等）近，就是哪张人脸；
  • 注：Training set、Gallery set和Probe set中的图，两两之间互不重复。
人脸识别中的Gallery和Probe以及MegaFace的测试方式
Lavi的专栏
03-16 5192
前言 在进行人脸识别的测评中，经常会看到涉及到Gallery和Probe两部分数据。初入门的小白可能不太明白这两部分数据是用来干什么的，为什么需要这么分。下面面我们就来讲解一下。 人脸识别评测两种方式 一般的人脸识别算法的性能有两种评测的方式，一种是人脸比对，另一个种是人脸识别。人脸比对就比较好理解了，就是给出两场图片组成一个图片对，让算法来判断这连个图片是不是一个人。另一种就是人脸识别，人脸识别...
megaface 数据集组成，介绍，Identification/Verification逻辑
larry1648637120的博客
06-13 4895
下载的megaface测试数据集 megaface测试数据集和devkit，下载的文件有： ①MegaFace Dataset（65GB），即Gallery dataset，或Distractors ②FaceScrub full tgz —16.4 GB，即probe（我选的是原始图片，即uncropped） ③Linux Development Kit (.zip) (.tar.gz) —16 MB，python程序，给定特征文件，用来计算测试结果的 MegaFace数据集 组成和介绍 干扰样本集,
Training set、Gallery set和Probe set
Yuyiin
10-21 404
参考： 原文链接：https://blog.youkuaiyun.com/will_ye/article/details/89639922 原文链接：https://blog.youkuaiyun.com/u011557212/article/details/60963237 Training set：用来训练模型的数据集，跟test set不相交，即交集为空，也就是没有一模一样的数据 gallery set：有人叫它查...
人脸识别模型的动手实践！
Datawhale
08-14 528
↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：宋志龙，算法工程师，Datawhale成员人脸识别已经成为生...
对于【Training set】【gallery set 】【probe set】区别-个人总结
Will_Ye的博客
04-28 1403
在看face recognition的文章会经常看到，gallery set 和probe set 看了很多个关于Training set、gallery set、 probe set的理解，自己再总结一下： Training set：就是我们用来训练模型的数据集，跟test set不相交，即交集为空，也就是没有一模一样的数据 gallery set：有人叫它查询集，gallery字面意思是画廊...
Gallery 和probe数据集
良知，自由
10-19 5320
Gallery 和probe数据集
Surveillance Face Recognition Challenge # ======================== Dataset Structure ========================== # "Training_Set": Ordered by face identities, i.e. each directory contains face images from a specific training identity. There are a total of 5,319 directories each is named by the corresponding identity. The image file name is in format of [PersonID]_[CameraID]_[ImageName].jpg. "Face_Identification_Test_Set" -"gallery": containing 60,294 gallery images from 5,319 test identities (IDs). -"mated_probe": containing 60,423 probe images from 5,319 test IDs, with mated gallery true match images in the "gallery" folder. -"unmated_probe": containing 12,1736 distractor probe face images without mated gallery true match images in the "gallery" folder, i.e. the open-set face identification scenario. -"gallery_img_ID_pairs.mat": the gallery image names and the corresponding face IDs -"mated_probe_img_ID_pairs.mat": the mated probe image names and the corresponding face IDs "Face_Verification_Test_Set": -"verification_images": containing 10,051 images, a subset of the whole test set, randomly sampled to build 5,320 positive and 5,320 negative pairs -"positive_pairs_names.mat": 5320_by_2 cell specifying the image pairs of 5,320 positive pairs -"negative_pairs_names.mat": 5320_by_2 cell specifying the image pairs of 5,320 negative pairs # ======================== Evaluation Instruction ========================== # *** Open-Set Face Identification Evaluation ("Face_Identification_Evaluation") *** 1. Extract features of "gallery" images according to the order defined by "gallery_img_ID_pairs.mat", put them in a matrix called "gallery_feature_map" ([image_number]_by_[feature_dimension]), and save the matrix in a mat file named "gallery.mat" 2. Extract features of "mated_pr
03-10
嗯，用户想了解监控人脸识别挑战赛数据集的架构和评估流程，包括训练集、人脸识别测试集和人脸验证测试集。首先，我需要回忆一下常见的人脸识别数据集结构，比如LFW、MegaFace等，但监控场景的数据集可能有不同的...
关于Gaitset训练和识别原理
weixin_43235118的博客
06-10 2843
论文看了很多遍，由于代码还有吃懂，所以对它进行识别的原理还是有所模糊。 今天看到一些资料，感觉恍然大悟。 关于数据集的训练： 该数据集没有官方的划分训练集和验证集，一般的做法是使用三种划分方法：  （a）Small-sample training（ST）：训练集24个目标，验证集100个目标；  （b）Medium-sample training（MT）：训练集62个目标，验证集62个目标；  （c）Large-sample training（LT）：训练集74个目标，验证集50个目标。  并且，在测试集中
论文笔记(1)：Face Search at Scale: 80 Million Gallery
ljwherry的博客
10-23 1301
一、问题描述 随着社交媒体例如Facebook，Google上越来越多的图像由用户上传，图像数据库的规模日益增大。在这样大规模的图库当中进行检索、识别、比对等任务是非常具有挑战性的。计算复杂度，存储空间，时间成本等都与图库的规模有关。如果把现已提出的有效方法应用在现实生活中的大规模图库当中去应用，其性能会大幅下降。 二、介绍 本文为解决大规模人脸图像检索，提出了一种有效的级联搜索系统，结合了快速搜...
PCA-人脸识别
KatharinLin的博客
02-27 935
Face Recognition Challenge 人脸识别基本步骤 PCA算法简介 PCA在人脸识别中的应用 PCA算法 直接应用的问题 Project 训练阶段 测试阶段 k的测试 Face Recognition Given a database of face images of people, and a new test image, answer th...
Gallery Set与Probe set
u011557212的专栏
03-09 6875
0 前言 在 Face Recognition 数据集一般会经常看到这三个数据集 Training set 、Gallery set and Probe set。第一次看到的时候也是晕晕的懵懵的，然后自己查阅了一些资料以后也是没有明白啊 后来老师给解释了一下是什么意思。在这里就算是给自己Mark一下。 1 解释 我自己大体画了一下这个意思 在FaceRecognition中一般的...
人脸识别——新的一个境界（无约束）
gzq0723的博客
01-22 1938
好久没有和大家分享学习的推送，最近很多朋友一直在问我人脸识别到底怎么去识别？人脸为啥会分约束和非约束？人脸检测后可以做哪些工作？等等的一些列问题，其实我们之前很多推送都有详细解答这些问题，今天，就顺便把非约束人脸识别和大家好好说一说，希望有兴趣的您可以有所收获，谢谢！现在是一个大数据时代，我们身边无处不是大数据，比如：来源： www.expandedramblings.com, www.emark
浅析人脸识别算法及其应用
SmartCodeTech的博客
03-09 8954
前言 随着深度学习和计算机硬件的快速发展，基于深度卷积神经网络的一系列算法都取得了显著的进展，其中人脸识别作为计算机视觉领域中时间最久远、应用最广泛的研究课题之一，近些年也在深度学习的加持下在性能方面获得了大幅提升，并在实际的生活场景中得到了广泛的应用。目前基于深度学习的人脸识别系统一般由三个关键步骤族组成：人脸检测（face detection）、人脸预处理（face preprocess），人脸识别（face recognition）。人脸检测主要用来检测出图像或视频帧中的人脸位置。然后，通过人脸预处
人脸识别中的Gallery和Probe
yaommy的博客
12-14 4934
参考图像集（或者原型图像集，gallery set） 测试图像集（Probe set=test set）
人脸识别中的probe face 和gallery
张*#的博客
03-06 1546
人脸识别中用train set训练好一个特征提取器以后，probe face 和gallery用于测试。 我们先给训练好的特征提取器输入gallery里的人脸，这样我们就得到gallery中每个人脸对应的特征向量，这就是我们的特征向量库。 我们现在要识别一张人脸，这个人脸就叫probe face，输入特征提取器，得到他的特征向量，然后跟特征向量库里的每一个特征向量来比较，就可以判断这个probe ...
Training set gallery set probe set区分
暖冰的博客
03-04 2806
training set： 就是用户训练时采用的数据集。  gallery set： 就是公认的标准库集。  probe set： 就是用户用户测试选择的非标准库，而又非training set 集合中的数据集。  也就是算法训练完成之后，不仅可以在标准集上测试，也可以在probe set集上测试。此处与一般的训练集和测试集一样，只不过，测试集多了一个标准库集，此集合就是gallery se
CV中的gallery和probe究竟是什么？
weixin_44273380的博客
10-07 4330
博主最早是做Re-ID(行人重识别)中遇到这个问题的，当时在网上粗略地百度了一下gallery和probe，很多人说可以翻译为训练集和测试集，深入学习后发现完全是两个东西。为了防止继往开来者继续被误导，就写了这篇博客帮大家细致区分一下。 首先大家得了解一个事实，那就是无论是gallery还是probe都是仅在测试集出现的概念（更说明训练集和测试集的翻译是错的），因为人脸识别的任务本身就是给你一张人脸图片，让你从一个巨大的数据库中寻找匹配的照片以判断这张新的照片是谁。这个数据库就是gallery。 galle
人脸识别与活体检测研究-历程
mogebuyi的博客
08-27 3328
本学期开始研究活体检测，首先需要知道点相关知识，下面是从网上找到和自己的总结：人脸识别技术主要分为两部分： 第一步为前端人脸活体检测，支持android、ios平台，在前端通过微笑、眨眼、张嘴、摇头、点头等组合动作，确保操作的为真实活体人脸。 第二步为后台人脸比对识别，该环节通过在活体检测环节取得整张人脸图像后，再通过扫描识别身份证，取到身份证头像后，将现场人脸与身份证上的人脸
drm_client_modeset_probe函数分析
最新发布
05-22
`drm_client_modeset_probe` 是 Linux DRM (Direct Rendering Manager) 框架中的一个重要函数，主要用于客户端模式设置的探测过程。它的主要职责是在初始化阶段检测并配置显示子系统的模式设置信息[^1]。这包括但不...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值