Jul, 2016

MS-Celeb-1M: 大规模人脸识别的数据集和基准

PDF
TL;DR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。
发现论文，激发创造
  • 百万脸庞大规模识别的 MegaFace 基准测试

    论文提出了 MegaFace 数据集和 MegaFace 挑战，通过增加 gallery 集中的干扰数，评估算法的性能，结果显示在万级别规模下测试揭示了算法之间的大量性能差异，并且年龄和姿态不变性对大多数算法仍然具有挑战性。

    Dec, 2015

  • WebFace260M: 百万级深度人脸识别基准测试

    本研究提供新的百萬級別人臉識別測試基準，名為 WebFace260M，包括 4 百萬的姓名列表和 260 百萬的人臉圖像。使用此基準，研究人員開發了有效的分散式框架，並在各種環境中進行了全面的基準測試，顯示出極大的潛力。

    Apr, 2022

  • WebFace260M: 百万级深度人脸识别性能评估基准

    该研究创建了一个新的百万级人脸基准数据集，包含清理后的面部图像，以及设计了一种时间约束的评估协议，建立了分布式框架以有效地训练人脸识别模型，并在 FRUITS 协议下建立了广泛的基准线。

    Mar, 2021

  • MegaFace: 百万级别人脸识别

    研究者使用 Million 的人脸图像数据集，评估各种最先进的人脸识别算法的表现，并发现大规模情况下的性能变化，尤其是深度学习方法在大规模情况下依然表现良好，但对于规模的变化也变得不够鲁棒。研究者还通过机械土耳其进行了广泛人类研究，并报告了结果。

    May, 2015

  • 百万级人脸识别的公平竞争环境

    本文介绍了一个名叫 MF2 的基准测试集，要求所有算法在同一数据集上训练并在大规模人脸识别测试中进行测试。研究发现，相对于另外两个大规模测试集，算法在 MF2 上的训练效果更加出色，需要将年龄变化量放宽或调整算法来提高准确率。

    May, 2017

  • 亚洲人脸识别任务的新基准：基于大型模型的人脸分类

    本文介绍了一种新的大规模韩国影响力数据集 KoIn，该数据集包含各种环境中的韩国名人的真实照片，可用于训练分类模型并对韩国影响者进行分类。我们详细描述了我们提出的数据集，并验证了其对多种分类模型的有效性。此外，我们分析了大规模模型在该数据集上对于困难样本的鲁棒性表现。

    Oct, 2023

  • WIDER FACE：人脸检测基准测试

    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。

    Nov, 2015

  • 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

  • 通过身份聚类数百万张人脸

    本篇论文提出了一种高效的 Rank-Order 聚类算法，可将超过 1.23 亿张人脸图像聚类成 1000 多万个类别，并在相应的内部和外部质量度量下分析其结果，以及对视频帧进行了初步的聚类研究。

    Apr, 2016

  • 大规模人脸搜索：8000 万图库

    本文提出了一个脸部搜索系统，它使用快速搜索程序和 COTS 匹配器相结合的级联框架，通过卷积神经网络生成的深度特征来过滤大量的照片，并在 80 百万张网络下载的人脸图像的图库上对该系统进行了评估。

    Jul, 2015