本文介绍了几个重要的人脸识别和检测数据集，包括LFW、YouTube Faces DB、CASIA-WebFace、FDDB、WIDER FACE和CelebA。LFW用于真实环境的人脸识别，YouTube Faces DB关注视频中的人脸识别，CASIA-WebFace提供大量互联网抓取的图像，FDDB是面部检测基准，WIDER FACE具有高变异性，而CelebA则包含大量名人图像及丰富的属性标注。
人脸识别数据集
LFW（Labeled Face in the Wild）
LFW数据库是真实条件下的人脸识别问题的测试基准。该数据集包括来源于因特网的5749人的13233张人脸图像，其中有1680人有两张或以上图像。
标准测试协议包括6000对人脸的时折确认任务，每折包括300对正例和300对反例。采用十折平均精度作为性能评价指标。
YouTube Faces DB
YouTube Faces 是一个面部视频数据库，旨在研究视频总非约束环境下的人脸识别问题。该数据集包含3425个视频，1595个不同的人。所有视频都是从YouTube下载的。每个主题平均有2.15个视频。剪辑最短的视频为48帧，最长的6070帧，视频平均长度为181.3帧。
CASIA-WebFace
CASIA-WebFace数据库包含10k+人和约500k张图片，用于非约束环境下人脸识别科学研究。数据库中的面部识别图像由中国科学院（CASIA）自动化研究所从互联网上爬取。官方允许该数据进行教育或非商业用途的免费使用。但由于数据库中的图像可能受版权保护，官方没有在他们的网站上公开发布。如果是研究使用，可以在官方网站上申请访问权限。
还有其他一些数据集，可根据需求选择
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
