多任务人脸（MTF）数据集：面向多种分类任务的合法合规人脸图像集合
计算机视觉与模式识别
2025-04-09 v2 机器学习
摘要
人脸数据为解决包括人脸识别、年龄估计、性别识别、情绪分析和种族分类在内的分类问题提供了宝贵潜力。然而，近期的隐私法规，尤其是欧盟《通用数据保护条例》，限制了研究中人类图像的收集与使用。结果，若干先前发布的人脸数据集因数据收集方法不当和隐私问题已从互联网移除。虽然合成数据集被建议作为替代，但其未能准确表征真实数据分布。此外，大多数现有数据集仅标注了单一任务，限制了其通用性。为应对这些局限，我们引入了多任务人脸（MTF）数据集，专为多种任务设计，包括人脸识别以及按种族、性别和年龄的分类，并有助于训练生成网络。MTF 数据集有两个版本：一个非筛选集含 640 人的 132,816 张图像，一个人工筛选集含 240 人的 5,246 张图像，经精心挑选以最大化其分类质量。两个数据集均通过合规使用公开可用的名人图像以符合版权法规的方式伦理获取。除提供数据收集与处理的详细描述外，我们评估了 MTF 数据集在上述分类任务中训练五个深度学习模型的有效性，使用 ConvNeXT 模型在性别分类上达到 98.88% 准确率、种族分类 95.77%、年龄分类 97.60%、人脸识别 79.87%。两个 MTF 数据集可通过以下链接访问：https://github.com/RamiHaf/MTF_data_set
引用
@article{arxiv.2311.11882,
title = {Multi-Task Faces (MTF) Data Set: A Legally and Ethically Compliant Collection of Face Images for Various Classification Tasks},
author = {Rami Haffar and David Sánchez and Josep Domingo-Ferrer},
journal= {arXiv preprint arXiv:2311.11882},
year = {2025}
}
备注
21 pages, 2 figures, 9 Tables,