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：

         ...<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 0.994589

3 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 ...

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

二、评估流程

人脸检测——FDDB数据集评估相关推荐

最新文章

热门文章