Oct, 2017

VGGFace2: 跨姿态和年龄识别人脸的数据集

PDF
TL;DR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。
large-scale face datasetvggface2face recognitionconvolutional neural networksiarpa janus
发现论文，激发创造
  • DigiFace-1M: 100 万数字人脸图像用于人脸识别

    采用合成数据集进行人脸识别，通过数据扩充和精细控制属性可以显著减少真实与合成数据集之间的差异，并降低数据集的偏见和标签噪声问题，从而将识别错误率从 91.93% 降低到 96.17%，并在较少的真实样本上训练可与百万真实样本训练相媲美的识别效果。

    Oct, 2022

  • 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

  • 利用数百万 3D 扫描进行大规模 3D 人脸识别的学习

    提出使用大量的 3D 面部扫描数据和深度学习模型的方法来解决开放世界人脸识别问题，并取得了比现有技术超过 10％的精度提升。

    Nov, 2017

  • 从零开始学习面部表征

    该研究提出了一种半自动方式从互联网收集人脸图像并构建了一个包含大约 10000 个主体和 500000 个图像的大规模数据集，命名为 CASIAWebFace，使用该数据库，我们使用一个 11 层 CNN 学习区分性表示并获得在 LFW 和 YTF 上的最新准确性。

    Nov, 2014

  • SFace：使用合成数据进行隐私友好型高精准度人脸识别

    本研究提出并研究了使用一种隐私友好的合成人脸数据集，通过条件生成对抗网络生成类标记的人脸图像。在此基础上，提出了三种不同的学习策略，对这种隐私友好的合成数据集进行人脸识别的训练，并在多个人脸识别基准测试中证明了其高潜力。

    Jun, 2022

  • 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

  • CelebV-HQ：一个大规模的视频人脸属性数据集

    提出了一个包含 83 个面部属性注释的大规模高质量视频数据集，名为 CelebV-HQ，该数据集中包含 35666 个视频剪辑以及 15653 个身份，其可用于模型的训练与验证，通过无条件视频生成和视频面部属性编辑验证其实用性和潜力，并展示了数据集的多样性和时间连续性。

    Jul, 2022

  • 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

  • Multiface: 神经人脸渲染数据集

    该研究介绍了一个多视角，高分辨率的人脸数据集，通过进行替代卷积编码器及对条件对抗网络（VAE）进行验证，对研究区域的深度插值进行了实验讨论。

    Jul, 2022

  • 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