高清人脸数据集—FFHQ
FFHQ全称Flickr-Faces-Hight-Quality(Flickr-Faces-HQ)是英伟达作为生成对抗网络(GAN)的基准创建的,也用于Style GAN的训练数据集中,于2019年开源。FFHQ是一个高质量的人脸数据集,包含1024x1024分辨率的70000张PNG格式高清人脸图像,在年龄、种族和图像背景上丰富多样且差异明显,在人脸属性上也拥有非常多的变化,拥有不同的年龄、性别、种族、肤色、表情、脸型、发型、人脸姿态等,包括普通眼镜、太阳镜、帽子、发饰及围巾等多种人脸周边配件,因此该数据集也是可以用于开发一些人脸属性分类或者人脸语义分割模型的。FFHQ的图像从Flickr上爬取,且均有许可才会下载,并使用了dlib进行人脸对齐和裁剪,之后使用算法移除了一些非真实人脸如雕像、画作及照片等图像。
Flickr [1-2] ,雅虎旗下图片分享网站。为一家提供免费及付费数位照片储存、分享方案之线上服务,也提供网络社群服务的平台。其重要特点就是基于社会网络的人际关系的拓展与内容的组织。这个网站的功能之强大,已超出了一般的图片服务,比如图片服务、联系人服务、组群服务。
FFHQ高清人脸数据集主要存储于谷歌云盘。
数据集统计分析:
对于需要单独训练和验证集的用例,指定了前 60,000 张图像用于训练,其余 10,000 张图像用于验证。 然而,在 StyleGAN 论文中,使用了所有 70,000 张图像进行训练。
已经明确确保数据集中没有重复的图像。 但是,请注意,如果从同一图像中提取了多个不同的人脸,则 in-the-wild 文件夹可能包含同一图像的多个副本。
可以直接从 Google Drive 获取数据,也可以使用提供的下载脚本。 该脚本通过自动下载所有请求的文件、验证它们的校验和、在出错时多次重试每个文件以及使用多个并发连接来最大化带宽,使事情变得更加容易。
> python download_ffhq.py -h
usage: download_ffhq.py [-h] [-j] [-s] [-i] [-t] [-w] [-r] [-a][--num_threads NUM] [--status_delay SEC][--timing_window LEN] [--chunk_size KB][--num_attempts NUM]Download Flickr-Face-HQ (FFHQ) dataset to current working directory.optional arguments:-h, --help show this help message and exit-j, --json download metadata as JSON (254 MB)-s, --stats print statistics about the dataset-i, --images download 1024x1024 images as PNG (89.1 GB)-t, --thumbs download 128x128 thumbnails as PNG (1.95 GB)-w, --wilds download in-the-wild images as PNG (955 GB)-r, --tfrecords download multi-resolution TFRecords (273 GB)-a, --align recreate 1024x1024 images from in-the-wild images--num_threads NUM number of concurrent download threads (default: 32)--status_delay SEC time between download status prints (default: 0.2)--timing_window LEN samples for estimating download eta (default: 50)--chunk_size KB chunk size for each download thread (default: 128)--num_attempts NUM number of download attempts per file (default: 10)
获取图像链接后再进行数据下载:
> python ..\download_ffhq.py --json --images
Downloading JSON metadata...
\ 100.00% done 2/2 files 0.25/0.25 GB 43.21 MB/s ETA: done
Parsing JSON metadata...
Downloading 70000 files...
| 100.00% done 70001/70001 files 89.19 GB/89.19 GB 59.87 MB/s ETA: done
该脚本还用作对齐和裁剪图像的自动化方案的参考实现。 使用 python download_ffhq.py --wilds 下载原始图像后,您可以运行 python download_ffhq.py --align 使用元数据中包含的面部标志位置重现对齐的 1024×1024 图像的精确副本 .
ffhq-dataset-v2.json 文件以机器可读的格式包含每个图像的以下信息:
{"0": { # Image index"category": "training", # Training or validation"metadata": { # Info about the original Flickr photo:"photo_url": "https://www.flickr.com/photos/...", # - Flickr URL"photo_title": "DSCF0899.JPG", # - File name"author": "Jeremy Frumkin", # - Author"country": "", # - Country where the photo was taken"license": "Attribution-NonCommercial License", # - License name"license_url": "https://creativecommons.org/...", # - License detail URL"date_uploaded": "2007-08-16", # - Date when the photo was uploaded to Flickr"date_crawled": "2018-10-10" # - Date when the photo was crawled from Flickr},"image": { # Info about the aligned 1024x1024 image:"file_url": "https://drive.google.com/...", # - Google Drive URL"file_path": "images1024x1024/00000/00000.png", # - Google Drive path"file_size": 1488194, # - Size of the PNG file in bytes"file_md5": "ddeaeea6ce59569643715759d537fd1b", # - MD5 checksum of the PNG file"pixel_size": [1024, 1024], # - Image dimensions"pixel_md5": "47238b44dfb87644460cbdcc4607e289", # - MD5 checksum of the raw pixel data"face_landmarks": [...] # - 68 face landmarks reported by dlib},"thumbnail": { # Info about the 128x128 thumbnail:"file_url": "https://drive.google.com/...", # - Google Drive URL"file_path": "thumbnails128x128/00000/00000.png", # - Google Drive path"file_size": 29050, # - Size of the PNG file in bytes"file_md5": "bd3e40b2ba20f76b55dc282907b89cd1", # - MD5 checksum of the PNG file"pixel_size": [128, 128], # - Image dimensions"pixel_md5": "38d7e93eb9a796d0e65f8c64de8ba161" # - MD5 checksum of the raw pixel data},"in_the_wild": { # Info about the in-the-wild image:"file_url": "https://drive.google.com/...", # - Google Drive URL"file_path": "in-the-wild-images/00000/00000.png", # - Google Drive path"file_size": 3991569, # - Size of the PNG file in bytes"file_md5": "1dc0287e73e485efb0516a80ce9d42b4", # - MD5 checksum of the PNG file"pixel_size": [2016, 1512], # - Image dimensions"pixel_md5": "86b3470c42e33235d76b979161fb2327", # - MD5 checksum of the raw pixel data"face_rect": [667, 410, 1438, 1181], # - Axis-aligned rectangle of the face region"face_landmarks": [...], # - 68 face landmarks reported by dlib"face_quad": [...] # - Aligned quad of the face region}},...
}
参考资料
FFHQ高清人脸数据集详细介绍
flickr
NVlabs/ffhq-dataset
高清人脸数据集—FFHQ相关推荐
- CelebA-Spoof:具有丰富标注的大规模人脸反欺骗数据集|高清人脸数据集 FFHQ | 下载地址|简记
❤️[专栏:数据集整理]❤️ 之[有效拒绝假数据]
- drive数据集_英伟达的最强人脸GAN开源了,它吃的高清数据集也开源了
栗子 假装发自 凹非寺 量子位 出品 | 公众号 QbitAI 你大概还没忘记,英伟达去年年底推出的GAN,它合成的人脸甚至骗得过肉眼. 如今,它终于有了自己的名字,叫StyleGAN.顾名思义,GA ...
- 史上最佳GAN被超越!生成人脸动物高清大图真假难辨,DeepMind发布二代VQ-VAE
栗子 安妮 发自 凹非寺 量子位 出品 | 公众号 QbitAI 不得了,以生成逼真假照片出名.被称作"史上最佳GAN"的BigGAN,被"本家"踢馆了. 挑战 ...
- 你也能用英伟达GAN造脸了:官方实现有了,高清数据集也开源了
栗子 假装发自 凹非寺 量子位 出品 | 公众号 QbitAI 你大概还没忘记,英伟达去年年底推出的GAN,它合成的人脸甚至骗得过肉眼. 如今,它终于有了自己的名字,叫StyleGAN.顾名思义,GA ...
- 这些假脸实在太逼真了!英伟达造出新一代GAN,生成壁纸级高清大图毫无破绽...
栗子 晓查 发自 凹非寺 量子位 报道 | 公众号 QbitAI 不敢相信,上面这些人脸,全都是假的. 是英伟达的AI生成的. 借用风格迁移的思路,团队为GAN创造了一种新的生成器. 连GAN之父G ...
- 仅用18天,英伟达新型GAN合成真假难辨高清明星脸
安妮 编译整理 量子位 出品 | 公众号 QbitAI 考眼力:你能分出下面哪张图是电脑合成的吗? 是这位神似年轻时莱昂纳多的神秘男子-- 还是这位卷发碧瞳女士-- 难以分辨. 但事实是,上面两张均为 ...
- 淘宝直播技术干货:高清、低延时的实时视频直播技术解密
本文由淘宝直播音视频算法团队原创分享,原题"5G时代|淘宝直播高画质低延时技术探索",收录时有改动. 1.引言 目前,5G技术应用正在逐步推进,相比目前广泛使用的4G, 它具有更高 ...
- 电气领域-输电线路巡检高清图像数据
电气领域输电线路巡检高清图像数据集(共158张,可图像扩充用于目标检测学习,含json格式目标检测标签) 下载地址:输电线路巡检高清图像数据集
- 淘宝直播系统开发技术干货:高清、低延时的实时视频直播技术解密
面对实时视频直播系统开发技术的的高需求,当前面临的主要问题有: 1)需要在内容生产过程中把控好质量和成本: 2)需要在内容分发和消费过程中确保用户体验. 为了解决直播系统开发这个问题, 我们有两个优化 ...
- NIPS 2018 | 中科院自动化所两篇入选论文:高清真实图像生成领域及GAN研究在人脸识别领域的进展...
[论文一]自动化所在高清真实图像生成领域获得新突破 IntroVAE: Introspective Variational Autoencoders for Photographic Image Sy ...
最新文章
- 到时间就站起来!用树莓派爆改升降办公桌,懒癌有救了
- python3 正则 验证邮箱手机
- Redis架构及分片管理
- 槽函数会被执行多次的问题原因及解决方法
- word List44
- cef js返回c++的代码_CEF3开发者系列之外篇——IE中JS与C++交互
- CanFestival移植准备工作
- 问题:使用jdk11 报错:java.lang.TypeNotPresentException: Type javax.xml.bind.JAXBContext not present
- Xcode 6 免证书真机调试
- 强大的ETL利器—DataFlow3.0
- win10下office2013命令激活参考
- c语言看门狗的作用,看门狗定时器工作原理及作用
- 实测 CSDN开发助手-Chrome插件
- 怎么把html的网页做成视频,html5网页中怎么加入视频?怎么为网页添加视频?
- 【NOIP 2018 提高组】填数游戏
- 【Java】SpringBoot后端格式转换:把Word转成PDF再按页转成图片在前端展示(Linux)
- Mac - 通过 Script 实现更换桌面壁纸
- 计算机病毒青少年网上公约,《全国青少年网络文明公约》学习心得
- IntellIJ IDEA导入项目后无法运行方法的解决方法!
- 冗余分析(RDA)中若包含生物学重复会怎样?
热门文章
- android 系统的切图方式_Android UI设计及切图
- QLCDNumber 显示样式(例如:电子手表有背景绘图)
- easyui酷黑风格主题模板组件html
- WEB前端超多知识总结
- hua图软件 mac_sai mac中文版|sai绘画软件 For Mac下载 v3.0 官方版 - 121苹果网
- 现代通信原理思维导图--第五章 模拟调制系统
- PSD缩略图的设置方法
- 沧小海笔记之PCIE协议解析——第二章 详述PCIE事务层
- Python 破解验证码
- UltraEdit 25注册机 通用版 32/64位 绿色免费版(附破解激活教程+序列号)