模糊人脸数据集

 

人脸数据集：

https://zhuanlan.zhihu.com/p/48347016

 

关键点检测数据集

检测到人脸后，通常都需要定位出图像的轮廓关键点，关键点是人脸形状的稀疏表示，在人脸跟踪，美颜等任务中都很重要，现在已经从最开始的5个关键点发展到了超过200个关键点的标注。

2.1 HELEN等

首先集中介绍一些比较小和比较老的数据集，AFW前面已经介绍。

XM2VTS，发布于1999年，http://www.ee.surrey.ac.uk/CVSSP/xm2vtsdb/，包含295个人，2360张正面图，标注了68个关键点，大部分的图像是无表情，而且在同样的光照环境下。

AR Face Database发布于1998年，http://www2.ece.ohio-state.edu/~aleix/ARdatabase.html，包括126个人，超过4000张图，标注了22个关键点。

FGVC-V2发布于2005年，https://www.nist.gov/programs-projects/face-recognition-grand-challenge-frgc，共466个人的4950张图，包括均匀的光照条件下的高质量图和不均匀的光照条件下的低质量图，标注了5个关键点。

LFPW人脸数据库，发布于2011年， https://neerajkumar.org/projects/face-parts/，包括1432张图像，标注了29个关键点。

Helen人脸数据库，发布于2012年，

http://www.ifp.illinois.edu/~vuongle2/helen/，包括训练集和测试集，测试集包含了330张人脸图片，训练集包括了2000张人脸图片，都被标注了68个特征点。

IBUG，发布于2013年，https://ibug.doc.ic.ac.uk/resources/facial-point-annotations/，这是随着300W一起发布的数据集，包含了135张人脸图片，每张人脸图片被标注了68个特征点。

2.2 AFLW

数据集地址：https://www.tugraz.at/institute/icg/research/team-bischof/lrs/downloads/aflw/

AFLW(Annotated Facial Landmarks in the Wild)是一个包括多姿态、多视角的大规模人脸数据库，一般用于评估面部关键点检测效果，图片来自于flickr的爬取。总共有21,997张图，25,993张面孔，每张人脸标注21个关键点，共380k个关键点，由于是肉眼标记，不可见的关键点不进行标注。

除了关键点之外，还提供了矩形框和椭圆框的脸部位置标注，其中椭圆框的标注方法与FDDB相同。另外还有从平均3D人脸重建提供的3D的人脸姿态角标注。

大部分图像是彩色图，也有少部分是灰度图，59%为女性，41%为男性，这个数据集非常适合做多角度多人脸检测，关键点定位和头部姿态估计，是关键点检测领域里非常重要的一个数据集。

2.3 300W

数据集地址：https://ibug.doc.ic.ac.uk/resources/300-W/

发布于2013年，包含了300张室内图和300张室外图，其中数据集内部的表情，光照条件，姿态，遮挡，脸部大小变化非常大，因为是通过Google搜索“party”, “conference”等较难等场景搜集而来。该数据集标注了68个关键点，一定程度上在这个数据集能取得好结果的，在其他数据集也能取得好结果。

300-W challenge是非常有名的用于评测关键点检测算法的基准，在ICCV 2013举办了第一次人脸关键点定位竞赛。300-W challenge所使用的训练数据集实际上并不是一个全新的数据集，它是采用了半监督的标注工具，将AFLW，AFW，Helen，IBUG，LFPW，FRGC-V2，XM2VTS等数据集进行了统一标注然后得到的，关键信息是68个点。

在ICCV2015年拓展成了视频标注，即300 Videos in the Wild (300-VW)，数据集地址是https://ibug.doc.ic.ac.uk/resources/300-VW/，感兴趣读者可以关注。

2.4 MTFL/MAFL

数据集地址：http://mmlab.ie.cuhk.edu.hk/projects/TCDCN.html

发布于2014年，这里包含了两个数据集。Multi-Task Facial Landmark (MTFL) 数据集包含了12,995 张脸，5个关键点标注，另外也提供了性别，是否微笑，是否佩戴眼镜以及头部姿态的信息。Multi-Attribute Facial Landmark (MAFL) 数据集则包含了20,000张脸，5个关键点标注与40个面部属性，实际上后面被包含在了Celeba数据集中，该数据集我们后面会进行介绍。这两个数据集都使用TCDCN方法将其拓展到了68个关键点的标注。

2.5 WFLW数据集

数据集地址：https://wywu.github.io/projects/LAB/WFLW.html

WFLW包含了10000张脸，其中7500用于训练，2500张用于测试，共98个关键点。除了关键点之外，还有遮挡，姿态，妆容，光照， 模糊和表情等信息的标注。

由于人脸关键点是整个人脸任务中非常基础和重要的，所以在工业界有更多的关键点的标注，目前96点，106点都是非常常见的。因为商业价值，这些数据集一般不会进行公开。

 

原文：http://www.atyun.com/18059.html

 

数据集是GOPRO数据集。您可以下载一个轻量版（9GB）或完整版（35GB）。它包含来自多个街景的模糊图像。数据集在子文件夹中按场景分类。

轻量版:https://drive.google.com/file/d/1H0PIXvJH4c40pk7ou6nAwoxuR4Qh_Sa2/view?usp=sharing

完整版:https://drive.google.com/file/d/1SlURvdQsokgsoyTosAaELc4zRjQz9T2U/view?usp=sharing

我们首先将图像分配到两个文件夹A（模糊）和B（清晰）。

 

2.5 WFLW数据集

数据集地址：https://wywu.github.io/projects/LAB/WFLW.html

WFLW包含了10000张脸，其中7500用于训练，2500张用于测试，共98个关键点。除了关键点之外，还有遮挡，姿态，妆容，光照， 模糊和表情等信息的标注。

由于人脸关键点是整个人脸任务中非常基础和重要的，所以在工业界有更多的关键点的标注，目前96点，106点都是非常常见的。因为商业价值，这些数据集一般不会进行公开。