UMDFaces：用于训练深度网络的标注人脸数据集
计算机视觉与模式识别
2017-05-23 v2
摘要
人脸检测（包括关键点检测）与识别的最新进展主要由以下两点驱动：(i) 更深的卷积神经网络架构，以及 (ii) 更大的数据集。然而，大多数大型数据集由私营公司维护且不公开。学术计算机视觉界需要更大且更多样化的数据集以取得进一步进展。本文我们引入一个名为UMDFaces的新人脸数据集，其包含8,277名主体的367,888张标注人脸。我们还引入了一种新人脸识别评估协议，有助于推动该领域的最先进水平(state-of-the-art)。我们讨论了如何利用人类标注员和深度网络收集与标注大型数据集。我们提供人工筛选的人脸边界框。我们还提供由预训练神经网络生成的估计姿态（滚转、俯仰和偏航）、二十一个关键点位置及性别信息。此外，约115,000张图像的关键点标注质量已由人工验证。最后，我们在类似规模的其他公开人脸数据集上比较了该数据集的质量。
引用
@article{arxiv.1611.01484,
title = {UMDFaces: An Annotated Face Dataset for Training Deep Networks},
author = {Ankan Bansal and Anirudh Nanduri and Carlos Castillo and Rajeev Ranjan and Rama Chellappa},
journal= {arXiv preprint arXiv:1611.01484},
year = {2017}
}
备注
Updates: Verified keypoints, removed duplicate subjects, released test protocol