celeba数据集_常用公开人脸数据集汇总

目录

• 人脸数据汇总
  • 人脸检测
  • 人脸关键点检测
  • 人脸表情
  • 年轻与性别
  • 人脸姿态
  • 人脸识别
• 常用人脸数据详细介绍
  • 人脸检测
  • 人脸关键点检测
  • 人脸表情
  • 年轻与性别
  • 人脸姿态
  • 人脸识别

人脸数据集续更新完善中~~~

一. 人脸数据汇总

1.人脸检测

人脸检测是要定位出图像中人脸的位置。

Caltech 10000 (2007)

这是一个灰度人脸数据集，使用Google图片搜索引擎用关键词爬取所得，包含了7,092张图，10,524个人脸，平均分辨率在304x312，除此之外还提供双眼，鼻子和嘴巴共4个坐标位置。在早期被使用的较多，现在的方法已经很少用灰度数据集做评测。链接

FDDB (2010)

这是被广泛用于人脸检测方法评测的一个数据集，FDDB（Face Detection Data Set and Benchmark），它的提出是用于研究无约束人脸检测。所谓无约束指的是人脸表情、尺度、姿态、外观等具有较大的可变性。FDDB的图片都来自于 Faces in the Wild 数据集，图片来源于美联社和路透社的新闻报道图片，所以大部分都是名人，而且是自然环境下拍摄的。共2845张图片，里面有5171张人脸图像。在FDDB当中采用了椭圆标记法，它可以适应人脸的轮廓。具体来说，每个标注的椭圆形人脸由六个元素组成。(ra, rb, Θ, cx, cy, s)，其中ra，rb是椭圆的半长轴、半短轴，cx, cy是椭圆的中心点坐标，Θ是长轴与水平轴夹角（头往左偏Θ为正，头往右偏Θ为负），s则是置信度得分。标注的结果是通过多人独立完成标注之后取标注的平均值，而且排除了以下的样本：长或宽小于20个像素的人脸区域；设定一个阈值，将像素低于阈值的区域标记为非人脸；远离相机的人脸区域被标记为非人脸；人脸被遮挡，2个眼睛都不在区域内的标记为非人脸。链接

AFW (2013)

FW数据集是人脸关键点检测非常早期使用的数据集，共包含205个图像，其中有473个标记的人脸。每一个人脸提供了方形边界框，6个关键点和3个姿势角度的标注。

WIDER Face （2015）

FDDB评测标准由于只有几千张图像，这样的数据集在人脸的姿态、尺度、表情、遮挡和背景等多样性上非常有限，训练出来的模型难以被很好的评判，算法很快就达到饱和。在这样的背景下香港中文大学提出了Wider-face数据集，在很长一段时间里，大型互联网公司和科研机构都在Wider-face上做人脸检测算法竞赛。Wider-face总共有32203张图片，共有393703张人脸,比FDDB数据集大10倍，而且在面部的尺寸、姿势、遮挡、表情、妆容、光照上都有很大的变化，算法不仅标注了框，还提供了遮挡和姿态的信息，自发布后广泛应用于评估性能比传统方法更强大的卷积神经网络。链接

MALF（2015）

Multi-Attribute Labelled Faces ，MALF是为了更加细粒度地评估野外环境中人脸检测模型而设计的数据库。数据主要来源于Internet，包含5250个图像，11931个人脸。每一幅图像包含正方形边界框，头部姿态的俯仰程度，包括小中大三个等级的标注。该数据集忽略了小于20*20或者非常难以检测的人脸，共包含大约838个人脸，占该数据集的7%。同时该数据集还提供了性别，是否带眼镜，是否遮挡，是否是夸张的表情等辅助信息。 链接

2.人脸关键点检测

AR Face Database（1998） 标注：22

包括126个人，超过4000张图。链接

XM2VTS （1999）标注：68

包含295个人，2360张正面图，大部分的图像是无表情，而且在同样的光照环境下。链接

BioID（2001）

约1000幅图像,每个人脸标定20个关键点。链接

FRGC-V2（2002）标注：5

共466个人的4950张图，包括均匀的光照条件下的高质量图和不均匀的光照条件下的低质量图，标注了5个关键点。链接

CMU Multi-PIE（2010） 标注：39~68

包含6152张图像链接

LFPW（CVPR2011）标注：29

Localizing Parts of Faces Using a Consensus of Exemplars

1432张图片，每张图片上有29个点。链接

AFLW（ECCV 2011&#x