人臉檢測常用資料集總結
資料集名稱 | 圖片數量 | 人臉數量 | 訓練集和測試集 | 關鍵點數量 | 特點 | 缺點 | 用途 |
FDDB | 2845 | 5171 | 每個人臉都有標註資訊 | 無 | 1:人臉區域指定為橢圓形 | 常作為人臉檢測的標準庫 | |
AFLW | 16K | 25K | 每個人臉都有標註資訊 | 21 | 1:資料集乾淨 2:關鍵點標註精準 3:包含各種自然情況下的人臉 | 資料量小,缺乏亞洲人臉 | 人臉檢測和人臉矯正 |
Wider Face | 32k | 393k | 1:40%/10%/50% data for training ,validation and testing sets 2:No bounding box ground truth for the test images | 無 | 1:資料量大,比AFLW還要環境複雜 2:有很多難以檢測的小臉 | 資料集不乾淨 | 人臉檢測 |
CelebA | 200K | 200K (幾乎每張圖片包含一張人臉) | 每個人臉都有標註資訊以及屬性資訊 | 5(lefteye,righteye,nose,leftmouth,rightmouth) | 1:數量大,資料集乾淨 2:屬性比較全 | 基本都為正向且清晰無遮擋的人臉,難以直接訓練出魯棒性強的檢測器 | 人臉檢測和屬性識別 |
相關推薦
人臉檢測常用資料集總結
資料集名稱圖片數量人臉數量訓練集和測試集關鍵點數量特點缺點用途FDDB28455171每個人臉都有標註資訊無1:人臉區域指定為橢圓形常作為人臉檢測的標準庫AFLW16K25K每個人臉都有標註資訊211:資料集乾淨2:關鍵點標註精準3:包含各種自然情況下的人臉資料量小,缺乏亞洲
影象分類和目標檢測常用資料集介紹
The Caltech-UCSD birds-200-2011 dataset(加利福尼亞理工學院鳥類資料集): 分類數量:200 圖片數量:11,788 每個影象的註釋:15個部分位置,312個二進位制屬性,1邊界框 Labeled faces in the wild: L
人臉識別常用資料集介紹
人臉識別常用資料集大全(12/20更新) 人臉識別常用資料集大全(12/20更新) 原文首發地址:人臉識別常用資料集
FDDB人臉檢測測評資料集介紹
原文:A Benchmark for Face Detection in Unconstrained Settings 1、簡介 FDDB是全世界最具權威的人臉檢測評測平臺之一,包含284
基於系統呼叫的系統異常檢測的可用資料集總結
因為我主要研究的是通過監控系統呼叫進而判斷系統是否異常,所以最近在整理關於系統異常檢測可用的資料集。目前蒐集到的資料集主要有UNM,ADFA等。 (一)UNM Dataset UNM資料集是新墨西哥大學為了研究入侵免疫系統而採集的資料集。該網站的主頁是這樣的: 下載的地址是:https
目標檢測/分類常用資料集和評價指標小彙集
二:混淆矩陣 (Confusion Matrix) 三:召回率(Recall)、精確率(Precision) 四: P-R曲線、平均精度(Average-Precision,AP)、F指標 五:受試者工作特徵曲線(Receiver Operating
從零開始製作人臉表情的資料集
一、背景 人臉表情識別網上已有很多教程,大多基於fer2013資料集展開的。現在的問題就在於fer2013資料集的數量太少,表情的區分度不夠明顯,大部分基於此資料集的模型,其識別精度僅有70%左右。 因此我想自己從零開始製作人臉表情,而且是非常誇張,有趣的人臉表情,用於後續的表情識別實驗。這
實踐目標檢測--讀取資料集
描述 對於普通的影象分類,label只用表示圖片的類別就行,而目標檢測,不僅僅包括了類別的判斷,還包含了類別的位置資訊。所以在神經網路的構造上和資料的讀取上都大不相同。 深度學習框架選用 MxNet Gluon,經過個人的對比,對於單GPU或CPU,MxNet的速度和記憶體佔用要遠優於T
CelebA資料集簡單介紹,及做人臉識別時資料集的處理
CeleA是香港中文大學的開放資料,包含10177個名人身份的202599張圖片,並且都做好了特徵標記,這對人臉相關的訓練是非常好用的資料集。網盤連結 資料包含了三個資料夾,一個描述文件如下: img資料夾下有兩個壓縮包 img_align_celeba.zip & img_al
【深度學習】三維點雲資料集總結
點雲資料集總結 三維點雲資料,三維深度學習 1.ShapeNet ShapeNet是一個豐富標註的大規模點雲資料集,其中包含了55中常見的物品類別和513000個三維模型。 2.ShapeNetSem 這是一個小的資料庫,包含了270類的12000個物
實現yolo3模型訓練自己的資料集總結
經過兩天的努力,借鑑網上眾多部落格,在自己電腦上實現了使用yolo3模型訓練自己的資料集並進行測試圖片。本文主要是我根據下面參考文章一步步實施過程的總結,可能沒參考文章中那麼詳細,但是會包含一些參考文章中沒提及的容易掉坑的小細節,建議讀者結合參考文章一起看,一
深度學習常用資料集 API
基準資料集 深度學習中經常會使用一些基準資料集進行一些測試。其中 MNIST, Cifar 10, cifar100, Fashion-MNIST 資料集常常被人們拿來當作練手的資料集。為了方便,諸如 Keras、MXNet、Tensorflow 都封裝了自己的基礎資料集,如
深度學習常用資料集資源(計算機視覺領域)
目錄 1、MNIST 2、ImageNet 4、COCO 5、PASCAL VOC 6、FDDB 1、MNIST 深度學習領域的入門資料集,當前主流的深度學習框架幾乎都將MNIST資料集的處理
常用資料結構總結(基於C++)
棧(stack) 簡介 棧是一種只能在一端進行插入或者刪除操作的線性表。其中允許進行插入或者刪除操作的一端稱為棧頂。棧的插入和刪除一般叫入棧和出棧。棧的順序儲存結構叫做順序棧,棧的鏈式儲存結構叫做鏈棧。 C++中棧的標頭檔案為<stack> 宣告 stack<資
面試-8種 常用資料結構總結
1976年,一個瑞士電腦科學家寫一本書《Algorithms + Data Structures = Programs》。即:演算法 + 資料結構 = 程式。40多年過去了,這個等式依然成立。 很多程式碼面試題都要求候選者深入理解資料結構,不管你來自大學計算機專業還是程式設計培訓機構,也不管你有
ArcEngine Mosaic Dataset 鑲嵌資料集總結
本文大部分內容參考AO幫助文件和ArcMap幫助文件,大家實際使用中遇到的問題也可以在本帖下方留言交流,謝謝! 歡迎瀏覽,拒絕轉載! 鑲嵌資料集基礎知識 關於鑲嵌資料集的基礎知識可以參考幕曉燕大神的部落格:傳送門 ArcObjects 鑲嵌資料集 官方
深度學習常用資料集介紹
各領域公開資料集下載 1.Mnist 手寫字型資料集 官方資料集下載 MNIST資料集簡介轉載戳這裡 MNIST(Mixed National Institute of Standards and Technology database)是一個計算機視覺資料集,它包
【FPN車輛目標檢測】資料集獲取以及Windows7+TensorFlow+Faster-RCNN+FPN程式碼環境配置和執行過程實測
PS 最近在學目標檢測想用最新的FPN網路,剛好看到這篇部落格https://blog.csdn.net/Angela_qin/article/details/80944604嘗試把它復現,說的小白一點。 1.資料集獲取 博主只說是車輛目標檢測沒將資料集在哪裡獲取。我在程式碼中發現E:/st
電影資料集總結:Netflix、MovieLens、LDOS-CoMoDa、AdomMovie
資料集: 1.Netflix 描述:包含Netflix上48萬多個隨機選取的匿名使用者,對於1萬7千多部電影的1兆多個電影評分 時間:1988.10~2005.11 內容: 包括training set,movie titles,probe set,qualifying
【推薦系統】推薦系統常用資料集
最近在做融合評論資訊的推薦系統,找到了許多資料集,就在這裡總結一下吧。 Retailrocket 商品評論和推薦資料 The dataset consists of three files: a f