性别年龄论文阅读(3)——VGGFace2
版权声明:本文为博主原创文章,未经博主允许不得转载https://blog.csdn.net/heruili/article/details/88208757
Cao Q, Shen L, Xie W, et al. VGGFace2: A dataset for recognising faces across pose and age[J]. 2017
本文介绍了一种新的大规模人脸数据集VGGFace2。该数据集包含9131名受试者的331万张图像,平均每个受试者有362.6张图像。图像从谷歌图像搜索下载,在姿势、年龄、光照、种族和职业(如演员、运动员、政治家)方面有很大的变化。
该数据集的收集有三个目标:(i)为每个身份都有大量的身份和大量的图像;(ii)涵盖不同的姿势、年龄
和种族;及(iii)尽量减低标签的噪音。我们描述了如何收集数据集,特别是自动和手动过滤阶段,以确保每个身份的图像的高精度。
为了使用新的数据集评估人脸识别性能,我们在VGGFace2、MS-Celeb-1M和它们的并集上训练ResNet-50(带或不带Squeeze-and-Excitation blocks)卷积神经网络,并显示在VGGFace2上的训练可以提高姿态和年龄的识别性能。最后,使用在这些数据集上训练的模型,我们在IJB-A和IJB-B人脸识别基准上展示了最先进的性能,大大超过了以前的最先进水平。数据集和模型是公开可用的。
VGGFace2 是一个大规模人脸识别数据,包含331万图片,9131个ID,平均图片个数为362.6。这个数据集有以下几个特点:
1)人物ID较多,且每个ID包含的图片个数也较多。
2)覆盖大范围的姿态