https://blog.csdn.net/qq_41185868/article/details/82915063

Dataset之LFW:LFW人脸数据库的简介、安装、使用方法之详细攻略

目录

LFW人脸数据库的简介

1、LFW数据集的重要意义

LFW人脸数据库的安装

LFW人脸数据库的使用方法

LFW人脸数据库的简介

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。

A database of face photographsdesigned for studying the problem of unconstrained face recognition.The data set contains more than 13,000 images of faces collected fromthe web. Each face has been labeled with the name of the personpictured. 1680 of the people pictured have two or more distinct photosin the data set. The only constraint on these faces is that they weredetected by the Viola-Jones face detector. More details can be foundin the technical report below.    There are now four different sets of LFW images including the original and three different types of "aligned" images.The aligned images include "funneled images" (ICCV 2007), LFW-a, which uses an unpublished method of alignment,and "deep funneled" images (NIPS 2012). Among these, LFW-a and the deep funneled images produce superior results for most face verification  algorithms over the original images and over the funneled images (ICCV 2007).
Labeled Faces in the Wild官网:http://vis-www.cs.umass.edu/lfw/

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,

1、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。

LFW人脸数据库的安装

下载链接:http://vis-www.cs.umass.edu/lfw/index.html#download

LFW人脸数据库的使用方法

ML之SVM:调用(sklearn的lfw_people函数在线下载55个外国人图片文件夹数据集)来精确实现人脸识别并提取人脸特征向量
https://blog.csdn.net/qq_41185868/article/details/82915063

dataset lfw相关推荐

  1. caffe 人脸识别

    转载自: [Caffe实践]基于Caffe的人脸识别实现 - 1983的专栏 - 博客频道 - CSDN.NET http://blog.csdn.net/chenriwei2/article/det ...

  2. Deep leakage from Gradients论文解析

    Deep leakage from Gradients论文解析 今天来给大家介绍下2019年NIPS上发表的一篇通过梯度进行原始数据恢复的论文. 论文传送门 **问题背景:**现在分布式机器学习和联邦 ...

  3. 人脸检测、人脸定位、人脸对齐、MTCNN、人脸识别(衡量人脸的相似或不同:softmax、三元组损失Triplet Loss、中心损失Center Loss、ArcFace)

    日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) # ArcFace class ArcMarginProduc ...

  4. Deep Leakage From Gradients文献阅读及代码重现

    目录 1.DLG文献解析 1.1 背景介绍 1.2 算法描述 1.3 实验结果 2.iDLG文献解析 2.1 算法描述 2.2 实验结果 3.代码(DLG和iDLG) 1.DLG文献解析 文献地址: ...

  5. [深度学习论文笔记][Face Recognition] DeepFace: Closing the Gap to Human-Level Performance in Face Verificati

    Taigman, Yaniv, et al. "Deepface: Closing the gap to human-level performance in face verificati ...

  6. 人脸识别 | 论文参考

    人脸识别技术资料整理 2019/04/06 ISRN: Improved Selective Refinement Network for Face Detection DSFD: Dual Shot ...

  7. Dataset:数据集集合(综合性)——机器学习、深度学习算法中常用数据集大集合(建议收藏,持续更新)

    Dataset:数据集集合(综合性)--机器学习.深度学习算法中常用数据集大集合(建议收藏,持续更新) 目录 常规数据集 各大方向分类数据集汇总 具体数据集分类 相关文章 DL:关于深度学习常用数据集 ...

  8. 一些机器学习数据集(Dataset)

    转自:http://blog.csdn.net/myarrow/article/details/51828681 1. CIFAR-10 & CIFAR-100 CIFAR-10包含10个类别 ...

  9. 机器学习数据集(Dataset)汇总

    1. CIFAR-10 & CIFAR-100 CIFAR-10包含10个类别,50,000个训练图像,彩色图像大小:32x32,10,000个测试图像. (类别:airplane,autom ...

  10. Dataset之CASIA-WebFace:CASIA-WebFace 数据集的简介、安装、使用方法之详细攻略

    Dataset之CASIA-WebFace:CASIA-WebFace 数据集的简介.安装.使用方法之详细攻略 目录 CASIA-WebFace 数据集的简介 1.英文原文介绍 CASIA-WebFa ...

最新文章

  1. 用一句JQuery代码实现表格的简单筛选
  2. 【图像处理】——图像的二值化操作及阈值化操作(固定阈值法(全局阈值法——大津法OTSU和三角法TRIANGLE)和自适应阈值法(局部阈值法——均值和高斯法))
  3. java如何改注释_关于Java:更改字符串值的注释
  4. 交换机选用要点及订货主要技术条件
  5. 程序员为什么老得快_这段 Python 代码让程序员赚 300W,公司已确认!网友:神操作!...
  6. controller freemarker 踩坑小记
  7. 微课|中学生可以这样学Python(8.4节):递归算法例题讲解2
  8. juniper *** LT2P
  9. 特征提取与检测(三) --- ORB算法
  10. 某公司的openstack实施招聘要求
  11. 如何在邮件中加入html代码,如何在电子邮件正文中嵌入HTML文件
  12. 人人商城小程序消息服务器配置,微擎系统人人商城小程序前端配置教程
  13. TideSec远控免杀学习四(BackDoor-Factory+Avet+TheFatRat)
  14. 国内银行简码表(json)
  15. 电商开发之商品属性分类
  16. 用cisco服务器添加html,在接入服务器上配置基本 AAA
  17. 再谈回声消除测评丨Dev for Dev 专栏
  18. html中半圆怎么写,css怎么写半圆?
  19. 企业公众号内容规划:企业公众号做什么内容易传播分享?
  20. rpi4 实现 qiuqiu - Ultralight-SimplePose

热门文章

  1. RGB和RGBA之间的转换
  2. 2021-05-26python 批量更改图片格式
  3. Skyline软件二次开发初级——2如何在WEB页面中控制三维地图的观察点坐标和角度...
  4. HIbernate二级缓存的缓存策略
  5. linux配置jdk环境变量
  6. 【设计模式】-工厂模式->工厂方法模式(源码与类图解析)
  7. 通过url访问静态资源
  8. 中国农村统计年鉴合集(1985-2019年)
  9. 给android studio安装新字体,如mac系统的monaco字体
  10. 《中国区块链产业园15强名录》