大规模数据集：自然场景下带有部分遮挡和姿态变化的人脸
计算机视觉与模式识别
2017-06-28 v1
摘要
人脸检测方法依赖人脸数据集进行训练。然而，现有的人脸数据集在受限和非受限环境下的人脸学习规模往往较小。本文首先介绍了我们的大规模图像数据集：大规模标注人脸(LSLF)和含噪大规模标注非人脸(LSLNF)。我们的LSLF数据集包含大量非受限的多视角和部分遮挡人脸。这些人脸在彩色与灰度、图像质量、图像分辨率、图像光照、图像背景、图像错觉、真实人脸、卡通人脸、面部表情、轻微和严重的部分面部遮挡、妆容、性别、年龄和种族方面存在诸多变化。其中许多人脸被诸如纹身、帽子、眼镜、太阳镜、手、头发、胡须、围巾、麦克风或其他物体或人物等配饰部分遮挡。就标注图像数量和个人数量而言，LSLF数据集是目前文献中最大的标注人脸图像数据集。其次，我们介绍了CrowedFaces和CrowedNonFaces图像数据集。CrowedFaces和CrowedNonFaces数据集包含来自拥挤场景的人脸和非人脸图像。这些数据集本质上旨在为研究人员提供大量具有多种变化的训练样本，用于大规模人脸学习和人脸识别任务。
引用
@article{arxiv.1706.08690,
title = {Large-scale Datasets: Faces with Partial Occlusions and Pose Variations in the Wild},
author = {Tarik Alafif and Zeyad Hailat and Melih Aslan and Xuewen Chen},
journal= {arXiv preprint arXiv:1706.08690},
year = {2017}
}
备注
5 pages 8 figures 1 table