BNNVGG1-数据集
- 前言：
-
目录
- 1 LIP和Stanford Cars
- 2 CelebA和RMFD
1 LIP和Stanford Cars
Look into Person (LIP)是一个人体分割和人体关键点检测的数据集，包含50,462张图片，19个语义类别的标注，16个人体关键点标注，发布于2018年。数据集中的图像来自于Microsoft COCO中抠出来的人像，19个语义类别分别是hat, hair, sunglasses, upper-clothes, dress, coat, socks, pants, gloves, scarf, skirt, jumpsuits, face, right arm, left arm, right leg, left leg, right shoe, left shoe，几乎包含了所有人体有用的信息，以下是其中的样例：
Stanford Cars汽车图像数据包含196类共16185张汽车图片。其中8144张为训练数据，8041张为测试数据。每个类别按照 年份、制造商、型号进行区分，例如：2012年 特斯拉 Model S，数据由Stanford大学发布。
以下是其中的样例：
2 CelebA和RMFD
实验数据集共6430张，其中普通人脸3500张，训练集3150张，测试集350张，来自CelebA。戴有口罩的人脸2930张，训练集2637张，测试集293张。来自RFMD。
CelebA是CelebFaces Attribute的缩写，意即名人人脸属性数据集，其包含10,177个名人身份的202,599张人脸图片，每张图片都做好了特征标记，包含人脸bbox标注框、5个人脸特征点坐标以及40个属性标记，CelebA由香港中文大学开放提供，广泛用于人脸相关的计算机视觉训练任务，可用于人脸属性标识训练、人脸检测训练以及landmark标记等，官方网址：Large-scale CelebFaces Attributes (CelebA) Dataset。
以下是其中的样例：
RMFD 数据集。
发起单位：武汉大学国家多媒体软件工程技术研究中心
地址：https://github.com/X-zhangyang/Real-World-Masked-Face-Dataset
为了有效防止COVID-19 新型冠状病毒的传播，在冠状病毒流行期间，几乎每个人都戴着口罩。这几乎使传统的人脸识别技术在许多情况下无效，例如人脸考勤，火车站的人脸安全检查等。因此，迫切需要提高在口罩遮挡上的人脸识别的性能技术。当前大多数高级人脸识别方法都是基于深度学习而设计的，深度学习取决于大量人脸样本。但是，目前尚没有公开可用的口罩遮挡人脸识别数据集。
为此，这项工作提出了三种类型的口罩遮挡人脸数据集，包括口罩遮挡人脸检测数据集（MFDD），真实口罩遮挡人脸识别数据集（RMFRD）和模拟口罩遮挡人脸识别数据集（SMFRD）。其中，就我们所知，RMFRD目前是世界上最大的真实口罩遮挡人脸数据集。
以下是其中的样例：
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！