人脸识别数据集之MS-Celeb-1M

最近做人脸识别相关，需要用到MS-Celeb-1M数据集，

其微软介绍地址及数据集地址传送门。paper发在ECCV16上。

数据集格式为tsv，将tsv转换为jpg的方法，采用的openface的一个extract文件。

需要注意的是文件为python3格式的，如果使用的是Python2版本的，则需要更改下

os.makedirs(saveDir,exist_ok=True)

，将其做点更改即可

if not os.path.exists(saveDir):
os.makedir(saveDir)

然后在命令行中使用,

cd ~/extract.py
python extract.py --outputDir=$outputDir $file.tsv

会在outputDir的同级目录生成jpg格式的文件目录。

将tsv格式转换为jpg之后为：

目录：



目录中图片



Top1M_MidList.Name.tsv中存储的是编号和对应的人名：



在经过两个小时左右的提取后，报错了，



目前已经提取了24106个文件夹，需要与name.tsv里面人名进行比对。

tsvName = r'E:\MsCelebV1-Faces\Top1M_MidList.Name.tsv'
f = open(tsvName, 'r')
nameList = []
for line in f:
nameList.append(line.split('\t')[0])
print(len(list(set(nameList))))
# 1000000

差异很大。

重新在windows下提取，提取结束后，



1980681张图片。

在Linux下提取，



与官网给出的数据一致。