Select Language

AI社区

公开数据集

LFW (Labled Faces in the Wild)人脸数据集

LFW (Labled Faces in the Wild)人脸数据集

180.63M
1199 浏览
2 喜欢
12 次下载
0 条讨论
Person,Face 2D Box,2D Keypoints

LFW (Labled Faces in the Wild)人脸数据集:是目前人脸识别的常用测试集,其中提供的人脸图片均来源于生活中的自然场景,因此......

数据结构 ? 180.63M

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

      LFW (Labled Faces in the Wild)人脸数据集:是目前人脸识别的常用测试集,其中提供的人脸图片均来源于生活中的自然场景,因此识别难度会增大,尤其由于多姿态、光照、表情、年龄、遮挡等因素影响导致即使同一人的照片差别也很大。并且有些照片中可能不止一个人脸出现,对这些多人脸图像仅选择中心坐标的人脸作为目标,其他区域的视为背景干扰。LFW数据集共有13233张人脸图像,每张图像均给出对应的人名,共有5749人,且绝大部分人仅有一张图片。每张图片的尺寸为250x250,绝大部分为彩色图像,但也存在少许黑白人脸图片。

         LFW (Labeled Faces in the Wild) 人脸数据库是由美国马萨诸塞州立大学阿默斯特分校计算机视觉实验室整理完成的数据库,主要用来研究非受限情况下的人脸识别问题。LFW 数据库主要是从互联网上搜集图像,而不是实验室,一共含有13000 多张人脸图像,每张图像都被标识出对应的人的名字,其中有1680 人对应不只一张图像,即大约1680个人包含两个以上的人脸。

            LFW数据集主要测试人脸识别的准确率,该数据库从中随机选择了6000对人脸组成了人脸辨识图片对,其中3000对属于同一个人2张人脸照片,3000对属于不同的人每人1张人脸照片。测试过程LFW给出一对照片,询问测试中的系统两张照片是不是同一个人,系统给出“是”或“否”的答案。通过6000对人脸测试结果的系统答案与真实答案的比值可以得到人脸识别准确率。
    这个集合被广泛应用于评价 face verification算法的性能。 

        这些数据集唯一的限制就是它们可以被经典的Viola-Jones检测器检测到(a hummor)。图像如下图所示,

    Fold 1:person image
    Janica Kostelic
    , 1
    person image
    Janica Kostelic
    , 2
    Fold 1:person image
    Nora Bendijo
    , 1
    person image
    Nora Bendijo
    , 2
    Fold 1:person image
    Martha Bowen
    , 1
    person image
    Martha Bowen
    , 2
    Fold 5:person image
    Jim OBrien
    , 1
    person image
    Jim OBrien
    , 2
    Fold 5:person image
    Jim OBrien
    , 1
    person image
    Jim OBrien
    , 3
    Fold 5:person image
    Elisabeth Schumacher
    , 1
    person image
    Elisabeth Schumacher
    , 2
    Fold 7:person image
    Debra Messing
    , 1
    person image
    Debra Messing
    , 2

    LFW数据集的重要意义

         可以看出,在LFW 数据库中人脸的光照条件、姿态多种多样,有的人脸还存在部分遮挡的情况,因此识别难度较大。现在, LFW 数据库性能测评已经成为人脸识别算法性能的一个重要指标。


    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:15 去赚积分?
    • 1199浏览
    • 12下载
    • 2点赞
    • 收藏
    • 分享