FaceOcc：一个用于人脸提取的多样化高质量人脸遮挡数据集
计算机视觉与模式识别
2022-01-24 v1
摘要
在自然场景的人脸图像中常常出现遮挡，给关键点检测、三维重建和人脸识别等人脸相关任务带来困扰。从不受约束的人脸图像中准确提取人脸区域十分有益。然而，现有人脸分割数据集存在数据量小、遮挡类型少、分辨率低和标注不精确等问题，限制了基于数据驱动算法的性能。本文提出了一个新颖的人脸遮挡数据集，其遮挡区域由人工从 CelebA-HQ 和互联网图像中标注得到。遮挡类型涵盖太阳镜、眼镜、手、口罩、围巾、麦克风等。据我们所知，这是迄今为止最大且最全面的人脸遮挡数据集。将其与 CelebAMask-HQ 中的属性掩码结合，我们训练了一个简单的人脸分割模型却取得了 SOTA 性能，有力地证明了所提数据集的有效性。
引用
@article{arxiv.2201.08425,
title = {FaceOcc: A Diverse, High-quality Face Occlusion Dataset for Human Face Extraction},
author = {Xiangnan Yin and Liming Chen},
journal= {arXiv preprint arXiv:2201.08425},
year = {2022}
}