為什么要聊到數(shù)據(jù)集這個話題..因為數(shù)據(jù)集的noise對訓練效果的影響很大！很長一段時間MegaFace的效果都上不去，就是因為數(shù)據(jù)集噪聲的原因。而且自己在訓練人臉的時候，如果不對數(shù)據(jù)集的噪聲和屬性有一點了解，對訓練結果可能會有誤判，甚至越訓練越差...在選擇數(shù)據(jù)集的時候不要一味求大，有的時候選擇一個noise比例極高的大數(shù)據(jù)集，效果還不如選擇一個clean的小數(shù)據(jù)集呢，可以參見這篇論文The Devil of Face Recognition is in the Noise

LFW

全名是Labeled Faces in the Wild.這個數(shù)據(jù)集是人臉評估一定會用到的一個數(shù)據(jù)集，包含了來自1680的13000張人臉圖，數(shù)據(jù)是從網(wǎng)上搜索來的。基本都是正臉。這個數(shù)據(jù)集也是最簡單的，基本主流算法都能跑到99%以上，貌似有6對label錯了，所以最高正確率應該是99.9%左右。這個都跑不到99%的話別的數(shù)據(jù)集表現(xiàn)效果會更差。一般來說這個數(shù)據(jù)集是用來做人臉識別驗證的。

下載鏈接：LFW Face Database : Main

CelebFaces

總共包含10177個人的202599張圖片，也是從搜索引擎上爬過來的,噪聲不算多，適合作為訓練集。同時這個數(shù)據(jù)對人臉有一些二元標簽，比如是否微笑，是否戴帽子等。如果需要特定屬性的人臉，也可以從中獲取。40個屬性如下（引用自芯尚刃：CelebA數(shù)據(jù)集詳細介紹及其屬性提取源代碼 ）：

5_o_Clock_Shadow：剛長出的雙頰胡須

Arched_Eyebrows：柳葉眉

Attractive：吸引人的

Bags_Under_Eyes：眼袋

Bald：禿頭

Bangs：劉海

Big_Lips：大嘴唇

Big_Nose：大鼻子

Black_Hair：黑發(fā)

Blond_Hair：金發(fā)

Blurry：模糊的

Brown_Hair：棕發(fā)

Bushy_Eyebrows：濃眉

Chubby：圓胖的

Double_Chin：雙下巴

Eyeglasses：眼鏡

Goatee：山羊胡子

Gray_Hair：灰發(fā)或白發(fā)

Heavy_Makeup：濃妝

High_Cheekbones：高顴骨

Male：男性

Mouth_Slightly_Open：微微張開嘴巴

Mustache：胡子，髭

Narrow_Eyes：細長的眼睛

No_Beard：無胡子

Oval_Face：橢圓形的臉

Pale_Skin：蒼白的皮膚

Pointy_Nose：尖鼻子

Receding_Hairline：發(fā)際線后移

Rosy_Cheeks：紅潤的雙頰

Sideburns：連鬢胡子

Smiling：微笑

Straight_Hair：直發(fā)

Wavy_Hair：卷發(fā)

Wearing_Earrings：戴著耳環(huán)

Wearing_Hat：戴著帽子

Wearing_Lipstick：涂了唇膏

Wearing_Necklace：戴著項鏈

Wearing_Necktie：戴著領帶

Young：年輕人

這些標簽的屬性在下載文件中的list_attr_celeba.txt中,在使用的時候，由于它不每一列都分開的，而是所有屬性按一列來讀取，所以在使用的時候，注意使用line.split()進行切分。（不是line.split(" "）,因為每個屬性不全都是按一個空格隔開的，有的時候是用兩個空格隔開的，自己在這里踩過坑所以就記錄一下..

下載鏈接：Large-scale CelebFaces Attributes (CelebA) Dataset

CFP

這個數(shù)據(jù)集由500個identity的約共7000張圖片組成，這個數(shù)據(jù)集的特別之處在于對于每個人，它有10張正面圖像和4張側面圖像，這對于想要做側臉識別的同學還是很有幫助的。我也寫了一篇關于側臉識別的博文：https://zhuanlan.zhihu.com/p/61304192 有興趣的可以看一看

下載鏈接： http://www.cfpw.io/cfp-dataset.zip

VGG-Face

來自2622個人的2百萬張圖片。每個人大概要2000+圖片，跟MS-Celeb-1M有很多重疊的地方（因為都是從搜索引擎來的），這個數(shù)據(jù)集經(jīng)常作為訓練模型的數(shù)據(jù)，噪聲比較小，相對來說能訓練出比較好的結果。

下載鏈接：VGG Face Dataset

CASIA-WebFace

該數(shù)據(jù)集是從IMBb網(wǎng)站上搜集來的，含10K個人的500K張圖片。同時做了相似度聚類來去掉一部分噪聲。CAISA-WebFace的數(shù)據(jù)集源和IMDb-Face是一樣的，不過因為數(shù)據(jù)清洗的原因，會比IMDb-Face少一些圖片。噪聲不算特別多，適合作為訓練數(shù)據(jù)。

下載鏈接：https://drive.google.com/file/d/1Of_EVz-yHV7QVWQGihYfvtny9Ne8qXVz/view

MS-Celeb-1M

100K人的共100M圖片，來自搜索引擎。這個數(shù)據(jù)集非常大，沒有清洗過，噪聲很大，很難。我用未經(jīng)過清洗的MS-Celeb-1M訓練google facenet和Insightface的accuracy都比較低。

下載鏈接：MS-Celeb-1M: Challenge of Recognizing One Million Celebrities in the Real World - Microsoft Research

然而沒有被請洗過的MS1M數(shù)據(jù)集噪聲太大，所以其實更推薦使用iBUG清洗過的數(shù)據(jù)集（以下鏈接來自insightface團隊）：

https://pan.baidu.com/s/1nxmSCch

MegaFace

672K人的4.7M張圖片，做過一些清洗，不過依然有噪聲，不同人的圖片可能混到了一起。相比來說噪聲可能比MS-Celeb-1M小一點，但還是挺大的..這個數(shù)據(jù)集是由兩個數(shù)據(jù)集組合而來：Facescrub和FGNet，所以如果你要使用多個數(shù)據(jù)集，注意有沒有重合哦！

下載鏈接： MegaFace

各個數(shù)據(jù)集的scale和噪聲比例見下圖（來自論文the devil of face recognition is in the Noise）。這篇論文也有提到清洗數(shù)據(jù)的噪聲能夠有效提升訓練表現(xiàn)，所以大家自己在做人臉相關的檢測時也要心中有數(shù)，除了可以優(yōu)化算法，優(yōu)化數(shù)據(jù)集也是一種方向。

還有一些數(shù)據(jù)集陸陸續(xù)續(xù)地補充上去~

人臉識別指標

雖然跑庫的時候我們一般還是看Accuracy或者Recall，不過其實實際應用的時候更多的是會用TAR(True Accept Rate)和FAR(False Accept Rate)。

這個指標的意思是我們拿一對不同的人的照片去測試的時候，如果兩個人的特征向量之差超過了設定的閾值（也就是把這兩個人認成了同一個人）的次數(shù)比上所有不同的人的pairs的對比次數(shù)。也就是把不同的人識別成同一個人的概率啦。當然是越小越好

那么TAR則是表示正確接受的比例。就是同一個人的照片被判別為同一個人的概率。

一般我們會計算的是在FAR為多少（比如

）的情況下TAR為多少

參考文獻:

The Devil of Face Recognition is in the Noise

deepinsight/insightface

https://blog.csdn.net/liuweiyuxiang/article/details/81259492

總結

以上是生活随笔為你收集整理的celeba数据集_人脸识别常用数据集介绍（附下载链接）及常用评估指标的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。