wide_face

  • Deskripsi :

Set data WIDER FACE adalah set data tolok ukur deteksi wajah, yang gambarnya dipilih dari set data WIDER yang tersedia untuk umum. Kami memilih 32.203 gambar dan melabeli 393.703 wajah dengan tingkat variabilitas yang tinggi dalam skala, pose, dan oklusi seperti yang digambarkan dalam gambar sampel. Dataset WIDER FACE disusun berdasarkan 61 kelas peristiwa. Untuk setiap kelas acara, kami secara acak memilih 40%/10%/50% data sebagai set pelatihan, validasi, dan pengujian. Kami mengadopsi metrik evaluasi yang sama yang digunakan dalam dataset PASCAL VOC. Mirip dengan kumpulan data MALF dan Caltech, kami tidak merilis kebenaran dasar kotak pembatas untuk gambar uji. Pengguna diminta untuk mengirimkan file prediksi akhir, yang akan kami evaluasi.

Membelah Contoh
'test' 16.097
'train' 12.880
'validation' 3.226
  • Struktur fitur :
FeaturesDict({
    'faces': Sequence({
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'blur': uint8,
        'expression': bool,
        'illumination': bool,
        'invalid': bool,
        'occlusion': uint8,
        'pose': bool,
    }),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
fiturDict
wajah Urutan
wajah/bbox Fitur BBox (4,) float32
wajah/blur Tensor uint8
wajah/ekspresi Tensor bool
wajah/pencahayaan Tensor bool
wajah/tidak valid Tensor bool
wajah/oklusi Tensor uint8
wajah/pose Tensor bool
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
gambar/nama file Teks rangkaian

Visualisasi

  • Kutipan :
@inproceedings{yang2016wider,
    Author = {Yang, Shuo and Luo, Ping and Loy, Chen Change and Tang, Xiaoou},
    Booktitle = {IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
    Title = {WIDER FACE: A Face Detection Benchmark},
    Year = {2016} }