【转载】人脸识别相关会议及常用数据库

〇、前情提要

收藏一些公众号里发现的好东西。

原文：

1. 清华大学发布：人脸识别最全知识图谱
   https://mp.weixin.qq.com/s/JG0Sm_gVHnAz1hkHdVLz3A

---

一、人脸识别相关会议

1.计算机视觉（CV）界三大顶级国际会议：

ICCV：IEEE International Conference on Computer Vision

该会议由美国电气和电子工程师学会（IEEE， Institute of Electrical & Electronic Engineers）主办，主要在欧洲、亚洲、美洲的一些科研实力较强的国家举行。作为世界顶级的学术会议，首届国际计算机视觉大会于 1987 年在伦敦揭幕，其后两年举办一届。ICCV 是计算机视觉领域最高级别的会议，会议的论文集代表了计算机视觉领域最新的发展方向和水平。论文接受率在 20%左右。方向为计算机视觉、模式识别、多媒体计算等。

近年来，全球学界愈来愈关注中国人在计算机视觉领域所取得的科研成就，这是因为由中国人主导的相关研究已取得了长足的进步——2007 年大会共收到论文 1200 余篇，而获选论文仅为 244 篇，其中来自中国大陆，香港及台湾的论文有超过 30 篇，超过大会获选论文总数的 12%。作为最早投入深度学习技术研发的华人团队，在多年布局的关键技术基础之上，香港中文大学教授汤晓鸥率领的团队迅速取得技术突破。2012 年国际计算视觉与模式识别会议（CVPR）上仅有的两篇深度学习文章均出自汤晓鸥实验室，而在 2013 年国际计算机视觉大会（ICCV）上全球学者共发表的 8 篇深度学习领域的文章中，有 6 篇出自汤晓鸥实验室。

CVPR：IEEE Conference on Computer Vision and Pattern Recognition

该会议是由 IEEE 举办的计算机视觉和模式识别领域的顶级会议。每年召开一次，录取率在 25%左右。方向为计算机视觉、模式识别、多媒体计算等。

香港中文大学教授汤晓鸥率领的团队在全球范围内做出了大量深度学习原创技术突破：2012 年国际计算视觉与模式识别会议（CVPR）上仅有的两篇深度学习文章均出自其实验室；2011—2013 年间在计算机视觉领域两大顶级会议 ICCV 和 CVPR 上发表了 14 篇深度学习论文，占据全世界在这两个会议上深度学习论文总数（29篇）的近一半。他在 2009 年获得计算机视觉领域两大最顶尖的国际学术会议之一 CVPR 最佳论文奖，这是 CVPR 历史上来自亚洲的论文首次获奖。

ECCV：European Conference on Computer Vision

ECCV 是一个欧洲的会议，每次会议在全球范围录用论文 300 篇左右，主要的录用论文都来自美国、欧洲等顶尖实验室及研究所，中国大陆的论文数量一般在 10-20 篇之间。ECCV2010 的论文录取率为 27%。两年召开一次，论文接受率在 20%左右。方向为计算机视觉、模式识别、多媒体计算等。2018 年的 ECCV 于 2018 年 9 月 8 日-14 日在德国慕尼黑举办。

2.亚洲计算机视觉会议：

ACCV：Asian Conference on Computer Vision

ACCV 即亚洲计算机视觉会议，是 AFCV（Asian Federation of Computer Vision，亚洲计算机视觉联盟）自 1993 年以来官方组织的两年一度的会议，旨在为研究者、开发者和参与者提供一个良好的平台来展示和讨论计算机视觉领域和相关领域的新问题、新方案和新技术。2018 年第 14 届亚洲计算机视觉会议将于 2018 年 12 月 4 日-6 日在澳大利亚举办。

3.人脸和手势识别专门的会议：

FG：IEEE International Conference on Automatic Face and Gesture Recognition

“International Conference on Automatic Face and Gesture Recognition”是全球范围内人脸与手势识别领域的权威学术会议。会议方向有人脸检测、人脸识别、表情识别、姿势分析、心理行为分析等。

---

二、常用的人脸数据库

主要介绍以下几种常用的人脸数据库：

1.ERET人脸数据库

http://www.nist.gov/itl/iad/ig/colorferet.cfm

由 FERET 项目创建，此图像集包含大量的人脸图像，并且每幅图中均只有一个人脸。该集中，同一个人的照片有不同表情、光照、姿态和年龄的变化。包含 1 万多张多姿态和光照的人脸图像，是人脸识别领域应用最广泛的人脸数据库之一。其中的多数人是西方人，每个人所包含的人脸图像的变化比较单一。

2.CMU Multi-PIE人脸数据库

http://www.flintbox.com/public/project/4742/

由美国卡耐基梅隆大学建立。所谓“PIE”就是姿态（Pose），光照（Illumination）和表情（Expression）的缩写。CMU Multi-PIE 人脸数据库是在 CMU-PIE 人脸数据库的基础上发展起来的。包含 337 位志愿者的 75000 多张多姿态，光照和表情的面部图像。其中的姿态和光照变化图像也是在严格控制的条件下采集的，目前已经逐渐成为人脸识别领域的一个重要的测试集合。

3.YALE人脸数据库（美国，耶鲁大学）

http://cvc.cs.yale.edu/cvc/projects/yalefaces/yalefaces.html

由耶鲁大学计算视觉与控制中心创建，包含 15 位志愿者的 165 张图片，包含光照、表情和姿态的变化。

Yale 人脸数据库中一个采集志愿者的 10 张样本，相比较 ORL 人脸数据库 Yale 库中每个对象采集的样本包含更明显的光照、表情和姿态以及遮挡变化。

4.YALE人脸数据库 B

ttps://computervisiononline.com/dataset/1105138686

包含了 10 个人的 5850 幅在 9 种姿态，64 种光照条件下的图像。其中的姿态和光照变化的图像都是在严格控制的条件下采集的，主要用于光照和姿态问题的建模与分析。由于采集人数较少，该数据库的进一步应用受到了比较大的限制。

5.MIT人脸数据库

由麻省理工大学媒体实验室创建，包含 16 位志愿者的 2592 张不同姿态（每人 27 张照片），光照和大小的面部图像。

6.ORL人脸数据库

https://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html

由英国剑桥大学 AT&T 实验室创建，包含 40 人共 400 张面部图像，部分志愿者的图像包括了姿态,表情和面部饰物的变化。该人脸库在人脸识别研究的早期经常被人们采用，但由于变化模式较少，多数系统的识别率均可以达到 90%以上，因此进一步利用的价值已经不大。

ORL 人脸数据库中一个采集对象的全部样本库中每个采集对象包含10 幅经过归一化处理的灰度图像，图像尺寸均为 92×112 ，图像背景为黑色。其中采集对象的面部表情和细节均有变化，例如笑与不笑、眼睛睁着或闭着以及戴或不戴眼镜等，不同人脸样本的姿态也有变化，其深度旋转和平面旋转可达 20 度。

7.BioID人脸数据库

https://www.bioid.com/facedb/

包含在各种光照和复杂背景下的 1521 张灰度面部图像，眼睛位置已经被手工标注。
UMIST图像集

由英国曼彻斯特大学建立。包括 20 个人共 564 幅图像，每个人具有不同角度、不同姿态的多幅图像。

8.年龄识别数据集IMDB-WIKI

https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/

包含 524230 张从 IMDB 和 Wikipedia 爬取的名人数据图片。应用了一个新颖的化回归为分类的年龄算法。本质就是在 0-100 之间的 101 类分类后，对于得到的分数和 0-100 相乘， 并将最终结果求和，得到最终识别的年龄。