这篇博客介绍了LFW人脸识别数据集的基本信息，包括数据来源、结构和用途。LFW提供了两种视图，分别用于模型选择和性能报告。博主分享了训练和测试的两种方式：Image-Restricted Training和Unrestricted Training，并强调了官方对性能报告的要求和数据使用的正确方法。
作为一个计算机视觉新入门的小白，第一次尝试写博客，试着记录一下学习状况，也为了自己以后方便查阅。
LFW（labeled face in the wild），是人脸识别比较常用的数据集，包含了13,233张图片，5749人，其中1680有2张或以上的图片，剩下的4069人只有一张图片，图片的获取，是利用Viola-Jones face detector结合OpenCV从网络获取，并作了初步的处理，手动添加了人名，统一格式为250*250 jpg。附上官网：http://vis-www.cs.umass.edu/lfw/
其构建目的是为了在不受限环境下的测试人脸识别算法提供方便，在Detection-Alignment-Recognition(DAR) pipline中，完成了Detection部分的工作。官方数据集提供了两种views，view 1：为了试验者用作model selection and algorithm development，分为了两个子集，一个用来训练，一个用来测试。view 2：for performance reporting，官方建议仅在最终reporting的时候使用，以防止算法过度拟合，人为增高准确率（这里不知道理解的准确不准确，如有错误，望指正）。在view 2 下，分为了10个子集，可以任选其中9个来用作训练，剩下的一个用来测试。每次试验，应该独立完成
最低0.47元/天 解锁文章
扫一扫
608
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
