labeled faces in the wild官網：lfw
lfw (labeled faces in the wild) 人臉資料庫是由美國麻薩諸塞州立大學阿默斯特分校計算機視覺實驗室整理完成的資料庫，主要用來研究非受限情況下的人臉識別問題。lfw 資料庫主要是從網際網路上蒐集影象，而不是實驗室，一共含有13000 多張人臉影象，每張影象都被標識出對應的人的名字，其中有1680 人對應不只一張影象，即大約1680個人包含兩個以上的人臉。
lfw (labled faces in the wild)人臉資料集是目前人臉識別的常用測試集，其中提供的人臉均**於生活中的自然場景，因此識別難度會增大，尤其由於多姿態、光照、表情、年齡、遮擋等因素影響導致即使同一人的**差別也很大。並且有些**中可能不止乙個人臉出現，對這些多人臉影象僅選擇中心座標的人臉作為目標，其他區域的視為背景干擾。lfw資料集共有13233張人臉影象，每張影象均給出對應的人名，共有5749人，且絕大部分人僅有一張。每張的尺寸為250x250，絕大部分為彩色影象，但也存在少許黑白人臉。
lfw資料集主要測試人臉識別的準確率，該資料庫從中隨機選擇了6000對人臉組成了人臉辨識對，其中3000對屬於同乙個人2張人臉**，3000對屬於不同的人每人1張人臉**。測試過程lfw給出一對**，詢問測試中的系統兩張**是不是同乙個人，系統給出「是」或「否」的答案。通過6000對人臉測試結果的系統答案與真實答案的比值可以得到人臉識別準確率。
這個集合被廣泛應用於評價 face verification演算法的效能。
可以看出，在lfw 資料庫中人臉的光照條件、姿態多種多樣，有的人臉還存在部分遮擋的情況，因此識別難度較大。現在， lfw 資料庫效能測評已經成為人臉識別演算法效能的乙個重要指標。
人臉識別 人臉資料集大全
資料庫描述 用途獲取方法 webface 10k 人，約500k張 非限制場景 鏈結facescrub 530人，約100k張 非限制場景 鏈結youtube face 鏈結lfw 5k 人臉，超過10k張 標準的人臉識別資料集 鏈結multipie 337個人的不同姿態 表情 光照的人臉影象，共7...
人臉識別 介紹
人臉識別 人臉識別流程 人臉識別技術流程主要包括四個組成部分，分別為 人臉影象採集及檢測 人臉影象預處理 人臉影象特徵提取以及匹配與識別 1.人臉影象採集 2.人臉影象預處理 人臉影象預處理是對系統所採集到的人臉影象進行光線處理 切割 旋轉 降噪 過濾 放大或縮小等一系列的複雜處理，通過這些處理使人...
人臉識別常用資料集和Loss
資料集的noise對訓練效果的影響很大！很長一段時間megaface的效果都上不去，就是因為資料集雜訊的原因。而且自己在訓練人臉的時候，如果不對資料集的雜訊和屬性有一點了解，對訓練結果可能會有誤判，甚至越訓練越差 在選擇資料集的時候不要一味求大，有的時候選擇乙個noise比例極高的大資料集，效果還不...