VGGFace2：一个用于跨姿态和年龄人脸识别的数据集
计算机视觉与模式识别
2018-05-15 v2
摘要
在本文中，我们介绍了一个名为VGGFace2的新大规模人脸数据集。该数据集包含9131个主体的331万张图像，每个主体平均362.6张图像。图像从Google Image Search下载，在姿态、年龄、光照、种族和职业（如演员、运动员、政治家）方面具有较大差异。该数据集的收集考虑了三个目标：(i) 同时具有大量身份以及每个身份的大量图像；(ii) 覆盖大范围的姿态、年龄和种族；(iii) 最小化标签噪声。我们描述了数据集的收集方式，特别是为确保每个身份图像的高准确性而进行的自动化和手动过滤阶段。为评估使用新数据集的人脸识别性能，我们在VGGFace2、MS-Celeb-1M及其并集上训练了ResNet-50（带和不带Squeeze-and-Excitation块）卷积神经网络，并表明在VGGFace2上训练可提升跨姿态和年龄的识别性能。最后，使用在这些数据集上训练的模型，我们在所有IARPA Janus人脸识别基准（如IJB-A、IJB-B和IJB-C）上展示了最先进的性能，大幅超越了先前的最佳水平。数据集和模型公开可用。
引用
@article{arxiv.1710.08092,
title = {VGGFace2: A dataset for recognising faces across pose and age},
author = {Qiong Cao and Li Shen and Weidi Xie and Omkar M. Parkhi and Andrew Zisserman},
journal= {arXiv preprint arXiv:1710.08092},
year = {2018}
}
备注
This paper has been accepted by IEEE Conference on Automatic Face and Gesture Recognition (F&G), 2018. (Oral)