人脸检测——FDDB数据集评估
人脸检测——FDDB数据集评估
一、FDDB数据集简介
FDDB数据集官网:http://vis-www.cs.umass.edu/fddb/index.html
- FDDB数据集用于人脸检测算法。This data set contains the annotations for 5171 faces in a set of 2845 images taken from the Faces in the Wild data set。他的人脸原始标签的box是椭圆型,所以评估时候有rectangle和椭圆两种方式。
- 图片文件夹:包含两个文件夹2002和2003两个文件夹
- ├── 2002
│ ├── 07
│ ├── 08
│ ├── 09
│ ├── 10
│ ├── 11
│ └── 12
├── 2003
│ ├── 01
│ ├── 02
│ ├── 03
│ ├── 04
│ ├── 05
│ ├── 06
│ ├── 07
│ ├── 08
│ └── 09 - 标签文件 FDDB-folds文件夹,包括20个txt文件。
- FDDB-fold-01-ellipseList.txt 内容格式:
FDDB-fold-xx-ellipseList.txt" in the following
format:
...
<image name i>
<number of faces in this image =im>
<face i1>
<face i2>
...
<face im>
...
number of faces in this image =im 代表这张图的人脸个数, each face 是:
<major_axis_radius minor_axis_radius angle center_x center_y 1>.
例如:
2002/08/11/big/img_591
1
123.583300 85.549500 1.265839 269.693400 161.781200 1
- 另外一种txt是只包含图片路径:比如:2003/01/15/big/img_763
FDDB-folds
│ ├── FDDB-fold-01-ellipseList.txt
│ ├── FDDB-fold-01.txt
│ ├── FDDB-fold-02-ellipseList.txt
│ ├── FDDB-fold-02.txt
│ ├── FDDB-fold-03-ellipseList.txt
│ ├── FDDB-fold-03.txt
│ ├── FDDB-fold-04-ellipseList.txt
│ ├── FDDB-fold-04.txt
│ ├── FDDB-fold-05-ellipseList.txt
│ ├── FDDB-fold-05.txt
│ ├── FDDB-fold-06-ellipseList.txt
│ ├── FDDB-fold-06.txt
│ ├── FDDB-fold-07-ellipseList.txt
│ ├── FDDB-fold-07.txt
│ ├── FDDB-fold-08-ellipseList.txt
│ ├── FDDB-fold-08.txt
│ ├── FDDB-fold-09-ellipseList.txt
│ ├── FDDB-fold-09.txt
│ ├── FDDB-fold-10-ellipseList.txt
│ ├── FDDB-fold-10.txt
二、评估流程
1、下载数据和评估代码,数据就是上面图片文件夹和标签文件夹
2、下载评估代码文件:evaluation
3、编译evaluation代码(ubuntu16.04下)
- 系统环境:opencv3.2.0 gnuplot
安装gnuplot
sudo apt-get install gnuplot
编译evaluation
1)修改Makefile文件# 1、加入下面内容 INCS = -I/usr/local/include/opencvLIBS = -L/usr/local/lib -lopencv_core -lopencv_imgproc -lopencv_highgui-lopencv_ml -lopencv_video -lopencv_features2d -lopencv_calib3d -lopencv_objdetect -lopencv_contrib -lopencv_legacy# 2、修改 evaluate., $(CC) $(OBJS) -o $@ $(LIBS)这一句前面Tab键自己输入下,也就是空格,要不然可能报错:***missing separator. Stopevaluate: $(OBJS)$(CC) $(OBJS) -o $@ $(LIBS)
2)修改common.hpp 13行,ppm改为jpg
#define __IMAGE_FORMAT__ ".jpg" //#define __IMAGE_FORMAT__ ".ppm" #define __CVLOADIMAGE_WORKING__
3)在evaluation 目录下
make
- 自己算输出文件的个格式:有十个文件,命名为下面格式,分别对用上面标签文件的图片内容。
├── fold-01-out.txt
├── fold-02-out.txt
├── fold-03-out.txt
├── fold-04-out.txt
├── fold-05-out.txt
├── fold-06-out.txt
├── fold-07-out.txt
├── fold-08-out.txt
├── fold-09-out.txt
└── fold-10-out.txt
文件内容格式:
- 自己算输出文件的个格式:有十个文件,命名为下面格式,分别对用上面标签文件的图片内容。
- 系统环境:opencv3.2.0 gnuplot
...<image name i><number of faces in this image =im><face i1><face i2>...<face im>...
face im格式,有两种:
4 a. Rectangular regions,方框Each face region is represented as:<left_x top_y width height detection_score> 4 b. Elliptical regions,椭圆Each face region is represented as:<major_axis_radius minor_axis_radius angle center_x center_y detection_score>.
例如:
2002/08/11/big/img_591
1
192.178558 60.700516 150.671692 210.003891 0.998205
2002/08/26/big/img_265
3
302.738037 58.903488 79.118591 124.53154 0.999873
63.425415 33.952583 84.562866 119.966179 0.999395
162.020691 101.475128 45.098541 75.268555 0.9945893 开始评估
- 1)修改runEvaluate.pl文件
my $GNUPLOT = "/usr/bin/gnuplot"; # 修改为gnuplot库目录 # where the binary is my $evaluateBin = "./evaluate"; # where the images are my $imDir = "../"; # 图片目录,2002文件夹上一级目录 # where the folds are my $fddbDir = "../FDDB-folds/"; # 标签目录 # where the detections are my $detDir = "../resulst/" # fold-01-out.txt所在文件夹的目录
- 2 )运行
perl runEvaluate.pl
生成四个文件
ContROC.png ContROC.txt* DiscROC.png DiscROC.txt
roc curve DiscROC.png*
人脸检测——FDDB数据集评估相关推荐
- 夜间(低光照)目标检测数据集整理:人脸检测,行人检测
1.夜间(低光照)人脸检测的数据集 DARK FACE: Face Detection in Low Light Condition 提供了6000幅真实世界的低光图像,在夜间捕获,在教学楼.街道.桥 ...
- 【读点论文】Detect Faces Efficiently: A Survey and Evaluations,关于人脸检测的思考,综述型文章
论了流行的和具有挑战性的数据集及其评估指标. 对几种成功的基于深度学习的人脸检测器进行了综合比较,通过两个指标:失败率和延迟来揭示它们的效率.本文可以指导人们根据不同的应用选择合适的人脸检测器,并开发 ...
- 人脸检测研究最新进展
摘 要:人脸检测研究在近几十年的时间内取得了长足的进步,在生活中的各个方面得到了广泛的应用.本文首先对人脸检测进行了简单的介绍,然后介绍了人脸检测的两个比较大的评测网站,人脸检测的评价指标,在后续介绍 ...
- 人脸检测 中那些 有启发意义的idea
检测三问 什么是Anchor,为什么要有anchor? SSD究竟在训练啥? 什么是mAP? 如何计算? 计算过程可视化.目标检测模型的评估指标mAP详解(附代码)A Survey on Perfo ...
- 人脸检测技术现状及3D检测调研
问题描述 人脸检测是指对于任意一幅给定的图像,采用一定的策略对其进行搜索以确定其中是否含有人脸,如果是则返回一脸的位置.大小和姿态. 人脸识别的研究可以追溯到上个世纪六.七十年代,经过几十年的曲折发展 ...
- 长文干货!走近人脸检测:从?VJ?到深度学习(上)
http://mt.sohu.com/20160413/n444091833.shtml 作者:邬书哲 中科院计算所智能信息处理重点实验室VIPL课题组博士生 研究方向:目标检测,尤其关注基于深度学习 ...
- 长文干货!走近人脸检测:从VJ到深度学习(上)(下)
长文干货!走近人脸检测:从VJ到深度学习(下) http://mp.weixin.qq.com/s?__biz=MzI1NTE4NTUwOQ==&mid=2650324508&idx= ...
- 目前最强性能的人脸检测算法(Wider Face Dataset)
<月令七十二候集解>:"二月中,分者半也,此当九十日之半,故谓之分.秋同义."<春秋繁露·阴阳出入上下篇>说:"春分者,阴阳相半也,故昼夜均而寒暑 ...
- 长文干货!走近人脸检测:从 VJ 到深度学习(上)
转载自微信公众号:深度学习大讲堂 本文分上下两篇,上篇主要介绍人脸检测的基本流程,以及传统的VJ人脸检测器及其改进,下篇介绍基于深度网络的检测器,以及对目前人脸检测技术发展的思考与讨论.为了节省篇幅, ...
- 人脸检测发展:从VJ到深度学习(上)
本文总结于各个博客,供自己学习 本文分上下两篇,上篇主要介绍人脸检测的基本流程,以及传统的VJ人脸检测器及其改进,下篇介绍基于深度网络的检测器,以及对目前人脸检测技术发展的思考与讨论.为了让本文更适合 ...
最新文章
- 标准h5的定位_H5中的定位
- 类似人手的手部假肢相关研究登上Science子刊封面
- IBM和Lightbend宣布构建新认知开发平台的战略
- MFC随机博弈黑白棋
- Java 9 接口私有方法
- ucc编译器(词法分析)
- linux 每日学一点《Linux链接文件类型》
- Linux与云计算——第二阶段Linux服务器架设 第七章:网站WEB服务器架设—日志分析平台...
- 如何免费下载百度文库文章
- 一键解决局域网共享之批处理
- sonarqube增加阿里p3c规则扫描
- PanDownload:登录百度账号提示浏览器版本太低,点击下载webkit内核,然后重启软件即可
- 工程师高级职称计算机考试成绩查询,高级工程师职称查询
- 转发: 安全百科 DNS欺骗
- android 手机如何截屏,安卓手机一般怎么截屏 安卓如何截图手机屏幕 - 云骑士一键重装系统...
- WiFi产品抗干扰设计
- 【大揭秘】Android架构组件ViewModel来龙去脉
- 用python实现随机选人、选取活动或节目小程序
- 网线传输速度测试_如何测验网线的好坏,传输速度等
- macOS Catalina 10.15.4(19E2269)原版镜像 by OpenCore-0.5.9-05-11编译版
热门文章
- Target folder is neither empty nor does it point to an existing SDK installtion.
- 如何让自己像打王者荣耀一样疯狂且不知疲倦地学习?
- Google SPDY介绍
- C++实现人机对战围棋(使用Leela Zero权重)-自动提子
- 反激式开关电源理论与原理解析
- S.O. 推出程序员身价计算器,看看自己值多少钱?
- 2020 小米刷机相关总结
- matlab 求信噪比
- Python下多变量联合分布图(pairplot)绘制——seaborn
- 点聚AIP电子签章在Chrome、Edge新内核、360系列、FireFox、IE、Opera等浏览器中实现网页内嵌效果案例(一)