UMDFaces数据集与人脸特征点检测
2016-12-03 13:43
239 查看
UMDFaces数据集:
该数据集包含367920张人脸,分别类属于8501个事件类别。提供的人脸信息包括,人脸框,人脸姿势,(yaw,pitch,roll),21个关键点,性别信息等。由于图片尺度,方向等的问题,使得该数据集不适合做人脸检测的训练,适合做人脸识别。
数据集下载地址,http://umdfaces.io/
该数据集,主要是使用GoogleScraper从网络爬下的图片,作者使用了DP2MFD model(Deep Pyramid Deformable Parts Model for Face Detection)和AMT(AmazonMechanical Turk)
进行了先期的预处理,从而将人脸都检测出来。然后使用All-in-one CNN进行了关键点,姿势,性别等的估计。
为了真正保证数据的纯净,作者对其进行了清洗,在清洗每个object中数据的时候,作者使用了cosine distance,定义为(1-cos(seita)),使用了10对图片做相似性的测试,如果10对图片测下的相似度相加,结果小于固定的阈值(10),那么这10对图片就属于同一个人的图片。反之,如果大于10,说明有噪声图片在里面,如果里面只有1对图片的cosine distance大于1,则将这一对图片删除,如果有大于1对的大于1,则去掉其中一个最大值的那对图片,然后继续添加进一对图片,继续进行上面的测试,直到所有的10对图片cosine
distance和小于10为止。
如果某个object被移除超过5对图片,则去掉该object。
详细的流程如下图所示。
![](http://img.blog.csdn.net/20161203134005857)
安装步骤:
caffe-rc3安装:
要运行该程序,必须安装caffe-rc3这个版本的caffe,
![](http://img.blog.csdn.net/20161203134121764)
到此,证明matcaffe安装成功。
UMDFace 安装:
点开demo.m
修改其中,caffe_path = '/caffe-rc3/';
运行,会出现下图的运行效果,
该数据集包含367920张人脸,分别类属于8501个事件类别。提供的人脸信息包括,人脸框,人脸姿势,(yaw,pitch,roll),21个关键点,性别信息等。由于图片尺度,方向等的问题,使得该数据集不适合做人脸检测的训练,适合做人脸识别。
数据集下载地址,http://umdfaces.io/
该数据集,主要是使用GoogleScraper从网络爬下的图片,作者使用了DP2MFD model(Deep Pyramid Deformable Parts Model for Face Detection)和AMT(AmazonMechanical Turk)
进行了先期的预处理,从而将人脸都检测出来。然后使用All-in-one CNN进行了关键点,姿势,性别等的估计。
为了真正保证数据的纯净,作者对其进行了清洗,在清洗每个object中数据的时候,作者使用了cosine distance,定义为(1-cos(seita)),使用了10对图片做相似性的测试,如果10对图片测下的相似度相加,结果小于固定的阈值(10),那么这10对图片就属于同一个人的图片。反之,如果大于10,说明有噪声图片在里面,如果里面只有1对图片的cosine distance大于1,则将这一对图片删除,如果有大于1对的大于1,则去掉其中一个最大值的那对图片,然后继续添加进一对图片,继续进行上面的测试,直到所有的10对图片cosine
distance和小于10为止。
如果某个object被移除超过5对图片,则去掉该object。
详细的流程如下图所示。
安装步骤:
caffe-rc3安装:
要运行该程序,必须安装caffe-rc3这个版本的caffe,
wget https://github.com/BVLC/caffe/tree/rc3 tar -xzvf rc3 cd /caffe-rc3/ mv Makefile.config.example Makefile.config 修改其中库为自己的路径 make matcaffe -j8 make mattest -j8
到此,证明matcaffe安装成功。
UMDFace 安装:
wget http://umdfaces.io/UMD_Fiducials.tar.gz tar -xzvf UMD_Fiducials.tar.gz cd /caffe-root/data/ilsvrc12/ get_ilsvrc_aux.sh cd /caffe-root/examples/UMD_Fiducials/ matlab
点开demo.m
修改其中,caffe_path = '/caffe-rc3/';
运行,会出现下图的运行效果,
相关文章推荐
- 人脸特征点检测
- Facial Landmark Detection(人脸特征点检测)
- 人脸特征,检测与识别
- 对adaboost+haar特征进行人脸检测的原理的认识
- 结合OpenCV摄像头使用Dlib库进行人脸检测及标注特征点和提取人脸特征-Python
- 【人脸检测】OpenCV中的Haar+Adaboost级联分类器分解(一):Haar特征介绍
- 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
- 人脸检测原理及示例(OpenCV+Python) haar特征 adaboost
- 使用多任务学习方法进行人脸特征点和属性检测
- 毫秒级opencv的人脸特征点的检测
- Facial Landmark Detection(人脸特征点检测)
- 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
- 人脸特征点检测(四)——Tasks-Constrained DCN(TCDCN)
- 人脸特征,检测与识别
- 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
- 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
- opencv 利用类haar小波特征的人脸、人眼等特征检测(带代码)
- 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
- 人脸识别之人脸检测(十五)--改进版VJ人脸检测(LBP特征,VISAPP2017)
- 基于Haar特征Adaboost人脸检测级联分类