极智量化官网（极智数据 | 人脸检测数据集widerface）

欢迎关注我
  
  
  
  
  
  
  
 ，获取我的更多经验分享

大家好  
  
  
  
  
  
  
  ，我是极智视界
 


 


 


 


 


 


 


 

，本文介绍一下 人脸检测数据集widerface
  
  
  
  
  
  
  
 。

本文介绍的人脸检测数据集widerface
 
 
 
 
 
 
 
，提供的获取方式有两个：

(1) 我整理的数据集资源下载   
   
   
   
   
   
   
   ，链接：人脸检测数据集widerface-深度学习文档类资源-CSDN下载

(2) 加入我的知识星球「极智视界」
 

 

 

 

 

 

 

 
，星球内有更多数据集和好玩的项目源码下载

 

 

 

 

 

 

 

，链接：https://t.zsxq.com/0aiNxERDq

WIDER FACE数据集是人脸检测的基准数据集 (benchmark)                ，包括了32203张图片和393703个label
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 ，内含在尺度                、姿态和遮挡方面具有高度可变性的面孔  
  
  
  
  
  
  
  。WIDER FACE数据集根据事件场景的类型分为61个类别















，对于每个事件类别                       ，随机选择40%/10%/50%的比例划分到训练集
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
、测试集和验证集
 


 


 


 


 


 


 


 

。

WIDER FACE数据集的目录结构如下 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，主要包括四个部分：训练集














、验证集 
  
  
  
  
  
  
  
 、测试集和标注文件
 
 
 
 
 
 
 
。

├── wider_face: 存放数据集根目录 ├── WIDER_train: 训练集解压后的文件目录 │ └── images: │ ├── 0--Parade: 对应该类别的所有图片 │ ├── ........ │ └── 61--Street_Battle: 对应该类别的所有图片 │ ├── WIDER_val: 验证集解压后的文件目录 │ └── images: │ ├── 0--Parade: 对应该类别的所有图片 │ ├── ........ │ └── 61--Street_Battle: 对应该类别的所有图片 | ├── WIDER_test: 训练集解压后的文件目录 │ └── images: │ ├── 0--Parade: 对应该类别的所有图片 │ ├── ........ │ └── 61--Street_Battle: 对应该类别的所有图片 │ └── wider_face_split: 标注文件解压后的文件目录 ├── wider_face_train.mat: 训练集的标注文件























，MATLAB存储格式 ├── wider_face_train_bbx_gt.txt: 训练集的标注文件               ，txt格式 ├── wider_face_val.mat: 验证集的标注文件  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 ，MATLAB存储格式 ├── wider_face_val_bbx_gt.txt: 验证的标注文件















，txt格式 ├── wider_face_test.mat: 测试集的标注文件
  
  
  
  
  
  
  
 ，MATLAB存储格式 ├── wider_face_test_filelist.txt: 测试的标注文件  
  
  
  
  
  
  
  ，txt格式 └── readme.txt: 标注文件说明

WIDER FACE数据集是WIDER数据集的一个子集
 


 


 


 


 


 


 


 

，WIDER中的图像是通过以下三个步骤收集的：

(1) 事件类别是根据 Large Scale Ontology for Multimedia(LSCOM) 中所定义的进行选择
 
 
 
 
 
 
 
，它提供了大约1000个与视频事件分析相关的概念； (2) 使用google和bing等搜索引擎检索图像   
   
   
   
   
   
   
   ，对于每个类别
 

 

 

 

 

 

 

 
，分别收集了1000~3000张图像； (3) 通过人工检查所有图像

 

 

 

 

 

 

 

，过滤掉没有人脸的图像来清洗数据集                ，然后将每个事件类别中相似的图像删除
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 ，以确保面部外观的多样性；

通过以上三个人脸图像搜集步骤















，最终形成了32203张图像的WIDER FACE数据集   
   
   
   
   
   
   
   。由于尺度
  
  
  
  
  
  
  
 、遮挡
 


 


 


 


 


 


 


 
、姿态和背景噪点的巨大变化                       ，WIDER FACE数据集很具有挑战性 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，但这些因素对于建立一个真实世界人脸体系的要求是必不可少的
 

 

 

 

 

 

 

 
。

下图是不同事件类别的检出率直方图























，它说明了WIDER FACE数据集中的难例和简单样本

 

 

 

 

 

 

 

。事件类别根据检测结果从小到大排列               ，前1~20 
 
 
 
 
 
 
 
、21~40
   
   
   
   
   
   
   
  、41~60事件类别分别用蓝色
 

 

 

 

 

 

 

 
、红色和绿色来表示                。可以看到最左边示例图是要检测汽车中的人脸  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 ，显然难度很高
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 。

好了















，以上分享了 人脸检测数据集widerface
  
  
  
  
  
  
  
 ，并提供了整理好的数据的下载链接  
  
  
  
  
  
  
  ，希望我的分享能对你的学习有一点帮助















。

【极智视界】

《极智数据 | 人脸检测数据集widerface》

畅享人工智能的科技魅力                       。邀请您加入我的知识星球
 


 


 


 


 


 


 


 

，星球内有丰富的AI技术应用相关技术文章 

 

 

 

 

 

 

 
、资源                、项目源码
 
 
 
 
 
 
 
，涵盖人脸

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
、检测














、分割                        、多模态
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
、自动驾驶






















、工业等实用                、好玩的项目应用   
   
   
   
   
   
   
   ，一定会对你的学习有所帮助 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 。https://t.zsxq.com/0aiNxERDq