CelebA 40 种属性

01 5_o_Clock_Shadow 胡子,(清晨刮脸的人傍晚已长出的短髭 ) -1
02 Arched_Eyebrows 柳叶眉 1
03 Attractive 有魅力的 1
04 Bags_Under_Eyes 眼袋 -1
05 Bald 秃头的 -1
06 Bangs 刘海 -1
07 Big_Lips 大嘴唇 -1
08 Big_Nose 大鼻子 -1
09 Black_Hair 黑发 -1
10 Blond_Hair 金发 -1
11 Blurry 睡眼惺松的 -1
12 Brown_Hair 棕发 1
13 Bushy_Eyebrows 浓眉 -1
14 Chubby 丰满的 -1
15 Double_Chin 双下巴 -1
16 Eyeglasses 眼镜 -1
17 Goatee 山羊胡子 -1
18 Gray_Hair 白发,灰发 -1
19 Heavy_Makeup 浓妆 1
20 High_Cheekbones 高颧骨 1
21 Male 男性 -1
22 Mouth_Slightly_Open 嘴轻微的张开 1
23 Mustache 胡子 -1
24 Narrow_Eyes 窄眼 -1
25 No_Beard 没有胡子 1
26 Oval_Face 瓜子脸,鹅蛋脸 -1
27 Pale_Skin 白皮肤 -1
28 Pointy_Nose 尖鼻子 1
29 Receding_Hairline 发际线; 向后梳得发际线 -1
30 Rosy_Cheeks 玫瑰色的脸颊 -1
31 Sideburns 连鬓胡子,鬓脚 -1
32 Smiling 微笑的 1
33 Straight_Hair 直发 1
34 Wavy_Hair 卷发; 波浪发 -1
35 Wearing_Earrings 戴耳环 1
36 Wearing_Hat 带帽子 -1
37 Wearing_Lipstick 涂口红 1
38 Wearing_Necklace 带项链 -1
39 Wearing_Necktie 戴领带 -1
40 Young 年轻人 1

例如:
000001.jpg
-1 1 1 -1 -1
-1 -1 -1 -1 -1
-1 1 -1 -1 -1
-1 -1 -1 1 1
-1 1 -1 -1 1
-1 -1 1 -1 -1
-1 1 1 -1 1
-1 1 -1 -1 1

### 关于 CelebA 数据集的属性描述 CelebA 是一个大规模的人脸属性数据集,包含了超过 200,000 张名人面部图像。每张图像都附带了详细的标注信息,主要包括以下几个方面: #### 图像基本信息 - **图像分辨率**: 所有图像被调整为固定大小 (通常为 178×218 像素),便于统一处理[^1]。 - **边界框标注**: 提供了 `list_bbox_celeba.txt` 文件,记录了每张图像中人脸区域的边界框坐标。 #### 属性标签 CelebA 数据集中提供了丰富的属性标签,用于描述人脸的各种特征。官方文档列出了总共 40 种二元属性(即每个属性只有两种可能取值:存在或不存在)。以下是部分常见属性及其含义: - **性别相关**: Male (男性), Young (年轻)。 - **外貌特征**: Smiling (微笑), Wearing_Lipstick (涂口红), Bushy_Eyebrows (浓眉)[^1]。 - **配饰检测**: Eyeglasses (戴眼镜), Hat (帽子), Earrings (耳环)。 - **发型分析**: Bald (秃头), Bangs (刘海), Black_Hair (黑发)。 - **其他细节**: No_Beard (无胡须), Mustache (胡子), Sideburns (鬓角)。 这些属性可以用来支持多种计算机视觉任务,比如人脸识别、表情识别、年龄估计等。 #### 土地标记点 除了上述提到的属性之外,CelebA 还提供了一组关键点定位数据,在子集 COFW 和 300W 中进一步扩展了这一功能[^3]。具体来说,它涵盖了脸部轮廓、眼睛、鼻子和嘴巴等多个部位共计五个主要组件共68个精确地标位置。 通过以上介绍可以看出,虽然简化版实验仅选取了其中一部分样本作为演示用途,但实际上整个 CelebA 数据集蕴含着极为详尽的信息资源可供深入挖掘研究之用。 ```python # 示例代码展示如何读取 CelebA属性文件 list_attr_celeba.txt 并解析其结构 import pandas as pd attr_file_path = 'CelebA/Anno/list_attr_celeba.txt' attributes_df = pd.read_csv(attr_file_path, sep='\s+', skiprows=1, header=None) print(attributes_df.head()) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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