WiderFace数据集详解以及在模型中如何使用

WIDERFACE介绍

WIDER FACE数据集是人脸检测的一个benchmark数据集，包含32203图像，以及393,703个标注人脸，其中，158,989个标注人脸位于训练集，39,496个位于验证集。每一个子集都包含3个级别的检测难度：Easy，Medium，Hard。这些人脸在尺度，姿态，光照、表情、遮挡方面都有很大的变化范围。

WIDER FACE选择的图像主要来源于公开数据集WIDER。制作者来自于香港中文大学，他们选择WIDER的61个事件类别，对于每个类别，随机选择40%10%50%作为训练、验证、测试集。检测算法在测试集上的评估方式与PASCAL VOC DATADASET 相同，并且测试集的真值包围框（boundingbox）未发布。参赛者可通过提交预测结果（prediction files），由WIDER FACE给出评价结果。

数据集详解

数据集下载 下载链接

可以看到数据集有四个文件夹

下面三个文件分场景存放图片
第一个文件夹存放测试、训练、验证的信息，分开存放，有mat和txt两个版本，两个版本的信息内容相同，只是格式不同。如果你电脑有MATLAB，你可以直接打开mat格式文件，否则可以打开txt文件查看信息。

发现数据分别的意义如下：
File name
Number of bounding box
x1, y1, w, h, blur, expression, illumination, invalid, occlusion, pose

也就是第一行是文件夹，文件名
第二行是图中人脸的数量
再下面是人脸信息的参数。
x1, y1 代表人脸框的位置（检测算法一般都要画个框框把人脸圈出来）
w,h即为人脸框的宽度和高度
blur：是模糊度，分三档：0，清晰；1：一般般；2：人鬼难分
express：表情
illumination：曝光，分正常和过曝
occlusion：遮挡，分三档。0，无遮挡；1，小遮挡；2，大遮挡；
invalid：是否有效
pose：姿态

在模型中如何使用

写一个脚本调用mat格式数据集中的信息

import scipy.io as sio

path = './widerface/WIDER_val/images/'
wider_face_mat = sio.loadmat('./widerface/wider_face_split/wider_face_val.mat')
print(type(wider_face_mat))     # dict
# ['__header__', '__version__', '__globals__',

# 'event_list',：不同场景列表
# 'file_list',：每个场景下所有图片的名称
# 'face_bbx_list',:图片中人脸框坐标和大小：x1,y1,w,h
# 'blur_label_list',：每个场景下的图片的模糊程度
# 'expression_label_list',
# 'illumination_label_list',
# 'invalid_label_list',
# 'occlusion_label_list',
# 'pose_label_list']

event_list = wider_face_mat['event_list']
file_list = wider_face_mat['file_list']
print(wider_face_mat['__header__'])
print(wider_face_mat['__version__'])
print(wider_face_mat['__globals__'])
print(len(wider_face_mat['blur_label_list']))
# print(event_list)
print(wider_face_mat['face_bbx_list'][0])

使用python中的库调用mat格式文件，将其转化为python字典格式，有多个keys，前三个’header’, ‘version’, 'globals’为mat格式文件的信息，不需要管。后面几个keys需要我们关心，输出可以看到其与txt文件中的信息一致。

参考1：https://zhuanlan.zhihu.com/p/101600780
参考2：https://blog.csdn.net/yison11/article/details/78122339