aflw2k3d

  • Deskripsi :

AFLW2000-3D adalah kumpulan data dari 2000 gambar yang telah dianotasi dengan landmark wajah 3D 68 titik level gambar. Kumpulan data ini biasanya digunakan untuk evaluasi model deteksi landmark wajah 3D. Pose kepala sangat beragam dan seringkali sulit dideteksi oleh pendeteksi wajah berbasis cnn. Landmark 2D dilewati dalam kumpulan data ini, karena beberapa data tidak konsisten dengan 21 poin, seperti yang disebutkan di makalah asli.

Membelah Contoh
'train' 2.000
  • Struktur fitur :
FeaturesDict({
    'image': Image(shape=(450, 450, 3), dtype=uint8),
    'landmarks_68_3d_xy_normalized': Tensor(shape=(68, 2), dtype=float32),
    'landmarks_68_3d_z': Tensor(shape=(68, 1), dtype=float32),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
fiturDict
gambar Gambar (450, 450, 3) uint8
landmark_68_3d_xy_dinormalkan Tensor (68, 2) float32
landmark_68_3d_z Tensor (68, 1) float32

Visualisasi

  • Kutipan :
@article{DBLP:journals/corr/ZhuLLSL15,
  author    = {Xiangyu Zhu and
               Zhen Lei and
               Xiaoming Liu and
               Hailin Shi and
               Stan Z. Li},
  title     = {Face Alignment Across Large Poses: {A} 3D Solution},
  journal   = {CoRR},
  volume    = {abs/1511.07212},
  year      = {2015},
  url       = {http://arxiv.org/abs/1511.07212},
  archivePrefix = {arXiv},
  eprint    = {1511.07212},
  timestamp = {Mon, 13 Aug 2018 16:48:23 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/ZhuLLSL15},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}