aflw2k3d

  • توضیحات :

AFLW2000-3D مجموعه داده ای از 2000 تصویر است که با نشانه های چهره 68 نقطه ای در سطح تصویر حاشیه نویسی شده اند. این مجموعه داده معمولاً برای ارزیابی مدل‌های تشخیص نقطه عطف چهره سه بعدی استفاده می‌شود. ژست های سر بسیار متنوع هستند و اغلب به سختی توسط یک آشکارساز چهره مبتنی بر cnn قابل تشخیص هستند. نشانه‌های دوبعدی در این مجموعه داده نادیده گرفته می‌شوند، زیرا برخی از داده‌ها با 21 نقطه سازگار نیستند، همانطور که مقاله اصلی ذکر شد.

شکاف مثال ها
'train' 2000
  • ساختار ویژگی :
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),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
تصویر تصویر (450، 450، 3) uint8
landmarks_68_3d_xy_normalized تانسور (68، 2) float32
landmarks_68_3d_z تانسور (68، 1) float32

تجسم

  • نقل قول :
@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}
}