Nov, 2015

WIDER FACE：人脸检测基准测试

PDF
TL;DR该研究介绍了 WIDER FACE 数据集，比现有数据集大 10 倍。数据集包含繁多的注释，如遮挡、姿势、事件类别和人脸边界框等，因此对人脸检测领域具有极高挑战性。通过对多个代表性检测系统进行基准测试，提出了识别大尺度变差的解决方案，并讨论了常见的失败案例以及未来方向。
face detectioncomputer visionwider face datasetdetection systemslarge scale variation
发现论文，激发创造
  • WiderPerson：野外密集行人检测的多样数据集

    介绍了一种新的数据集 WiderPerson，用于解决现有行人检测数据集缺少多样性和密度的问题，并提出了改进的 Faster R-CNN 和 RetinaNet 模型作为基准。在 Caltech-USA 和 CityPersons 等数据集上进行实验，证明该数据集可以有效提高模型的泛化能力，但需要加强对分类能力的改进以降低误报率和漏报率。

    Sep, 2019

  • 使用 Faster R-CNN 进行人脸检测

    通过在大规模的 WIDER 人脸数据集上训练 Faster R-CNN 模型，我们在 FDDB 和最近发布的 IJB-A 两个广泛使用的人脸检测基准测试中报告了最先进的结果。

    Jun, 2016

  • 2018 年 WIDER 人脸和行人挑战赛：方法和结果

    本文回顾了 2018 年 WIDER 挑战赛，该挑战赛专注于人脸和行人的精确定位以及身份准确关联的问题，并概述了该挑战赛的获胜解决方案和未来研究方向。

    Feb, 2019

  • 不受约束人脸检测的极限挑战数据集和基准结果

    本文提出了一系列面部识别研究的挑战和现有方法未能覆盖的问题，构建了一个包含人脸各种问题（如天气恶劣、运动模糊、焦距模糊等）的新数据集，并对现有方法的性能进行了深入分析与比较。研究表明，现有 state-of-the-art detectors 的表现与实际需求之间存在较大差距，为了推进 unconstrained face detection 的进一步研究，我们提供了一个新的注释数据集 UFDD，并提供了基准线结果，该数据集和结果已公开发布。

    Apr, 2018

  • UMDFaces: 用于训练深度网络的带注释的人脸数据集

    通过引入新的人脸数据集 UMDFaces, 我们提出了一种基于深度网络和人工标注组合的大规模人脸数据集收集和注释方法，数据集中包含 367,888 张标注的人脸图像和 8,277 个独立人物的信息，并借此新数据集和评价方法推进了人脸识别技术的发展。

    Nov, 2016

  • VGGFace2: 跨姿态和年龄识别人脸的数据集

    介绍了一个名为 VGGFace2 的大规模人脸数据集，其中包含来自 Google Image Search 的 3,310,000 张 9131 个主体的照片，通过训练在数据集上的卷积神经网络，我们展示了在所有 IARPA Janus 面部识别基准测试上的最新成果表现。

    Oct, 2017

  • DeeperForensics-1.0: 用于现实世界人脸伪造检测的大规模数据集

    本文介绍了一个大规模人脸伪造检测基准 DeeperForensics-1.0，由新提出的端到端人脸交换框架生成。它包含 60,000 个视频和 17.6 万帧，是同类现有数据集的十倍大。该基准集有一个隐藏的测试集，包含了通过对真实视频进行广泛应用的方法制造的高欺骗得分的操作视频，并评估了五个代表性的检测基线并进行了彻底分析。

    Jan, 2020

  • MS-Celeb-1M: 大规模人脸识别的数据集和基准

    本文提出了一个基于知识库的人脸识别基准任务，建立相关的数据集，通过该任务可以识别 100 万名人的面部图像，并将其链接到相应的实体密钥。我们提供了具体的度量集，评估协议以及训练数据，并报告了有前途的基线结果，将有助于图像字幕和新闻视频分析等实际应用。

    Jul, 2016

  • FaceOcc：一个多样化、高品质的人脸遮挡数据集用于人脸提取

    本文提出了一个手工标记的人脸遮挡数据集，覆盖太阳镜、眼镜、手、口罩、围巾和麦克风等遮挡类型，是迄今为止最大、最全面的人脸遮挡数据集。将其与 CelebAMask-HQ 数据集相结合，训练了一个简单的人脸分割模型，并获得了 SOTA 性能。

    Jan, 2022

  • 尺度友好的深度卷积神经网络进行人脸检测

    本篇论文介绍了一种基于卷积神经网络设计的人脸检测器，该检测器可以处理极大范围内尺度大小的人脸，所设计的深度卷积神经网络结构可以模拟不同尺度的人脸，且经过训练后在 WIDER FACE 和 FDDB 数据集中表现出优异性能，其模型的输入不需要图像金字塔，拥有适度的复杂度，实用性标准时间内运行。

    Jun, 2017