人脸集数据库

本文介绍了人脸数据集的重要性和常见类型,包括其在人脸识别、机器学习算法训练等方面的应用。同时,鼓励读者分享和补充更多的人脸数据集资源。
摘要由CSDN通过智能技术生成
数据集
  图片数量 人脸数量 关键点数量 主要用途 优点 缺点 适用方法

AFLW

16k 25k

21(点不全)/85

(点全,但无侧脸)

人脸检测/

人脸矫正

包含各种自然情况下的人脸(多角度、年龄、性别等);

数据集干净;

关键点标注精准。

数量少,缺乏亚洲人脸 boost
CelebA 200k 200k 5

人脸检测/

属性识别

属性全,有10k主体,40种属性;

数量大;

数据集干净;

基本都为正向且清晰无遮挡人脸,

太容易被检测到,难以直接训练出鲁棒性强的检测器

CNN
wider face 32k 393k NA 人脸检测 数量大,比AFLW还要环境复杂,有很多极难检测的小脸 数据集不干净 CNN
CASIA 500k 500k NA

欧洲人脸

识别/检测

约包含一万欧洲人的人脸 拿来做检测时需间隔采样,数量会打折

CNN/

boost

亚洲人脸(自己标的) 500k 500k NA

亚洲人脸

识别/检测

约包含六千亚洲人的人脸 拿来做检测时需间隔采样,数量会打折

CNN/

boost

欢迎补充。
评论 2
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