21个项目玩转深度学习：基于TensorFlow的实践详解06—人脸检测和识别——数据集

Posted 2021-01-14 helloworld0604

书籍：《21个项目玩转深度学习：基于TensorFlow的实践详解》

人脸检测

FDDB

FDDB是UMass的数据集，被用来做人脸检测(Face Detection)。这个数据集比较大，比较有挑战性。而且作者提供了程序用来评估检测结果，所以在这个数据上面比较算法也相对公平。

• 2845 张图片，其中包含了 5171 张人脸；

• 包含了各种遮挡，高难度的姿态，低分辨率以及对焦模糊的人脸；

• 用椭圆来标定人脸区域；

• 同时包括灰度图和彩色图。

人脸识别

LFW

户外标记人脸数据集LFW (Labeled Face in Wild) 是人脸识别研究领域的最重要人脸图像评测集合之一。

• LFW 人脸图像集合是由美国马萨诸塞大学计算机视觉实验室于2007年发布
• 图像采集自Yahoo! News, 共包括5749个人，13233张图像，其中1680人有两幅及以上的图像
• 大多数图像经由Viola-Jones 人脸检测器得到后，被裁剪为固定大小。由于LFW 中的图像均产生于实际场景，具备自然的光照、表情、姿势和遮挡等干扰因素，且考虑到涉及人物多数为公众人物，也涉及到化妆等更复杂的干扰因素。

因此，在LFW数据集上验证人脸识别算法理论上更贴近实际应用，对实际场景下的人脸识别研究有一定挑战和借鉴意义。

MegaFace

MegaFace 是由华盛顿大学(University of Washington)计算机科学与工程实验室于2015年针对名为 ”MegaFace Challenge” 的挑战而发布并维护的公开人脸数据集，是目前最为权威热门的评价人脸识别性能的指标之一。

• 数据集中的人脸图像均采集自Flickr creative commons dataset，共包含690,572个身份共1,027,060张图像。这是第一个在百万规模级别的人脸识别算法测试标准。
• 在评测方法上，MegaFace 着眼于在百万级别的数据库中的1：N搜索性能。

因此，相比于LFW数据集，MegaFace更贴近实际应用。

参考

国内企业国际人脸识别测试集LFW和Megaface排名