Advertisement

CelebAMask-HQ:大型人脸数据集,适用于人脸解析、识别、生成及编辑

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
简介:CelebAMask-HQ是一项大规模的人脸数据集项目,专为提升人脸解析、识别、生成和编辑技术而设计。该数据集包含丰富的面部特征标注信息,有助于推动相关领域的研究进展。 CelebAMask-HQ 是一个大规模的面部图像数据集,它从 CelebA 数据集中选择了 30,000 张高分辨率面部图像,并为这些图像提供了与 CelebA 面部属性对应的分割蒙版。每个图像尺寸为 512 x 512 像素,经过手动注释并分类到包含所有面部组件和配件的19类中(如皮肤、鼻子、眼睛、眉毛、耳朵、嘴巴、嘴唇等)。CelebAMask-HQ 数据集可以用于训练和评估人脸解析、人脸识别算法以及用于人脸生成和编辑的 GAN 算法。此外,该数据集还可以应用于多个研究领域,包括面部图像处理、面部分析与识别及生成模型的研究中。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • CelebAMask-HQ
    优质
    简介:CelebAMask-HQ是一项大规模的人脸数据集项目,专为提升人脸解析、识别、生成和编辑技术而设计。该数据集包含丰富的面部特征标注信息,有助于推动相关领域的研究进展。 CelebAMask-HQ 是一个大规模的面部图像数据集,它从 CelebA 数据集中选择了 30,000 张高分辨率面部图像,并为这些图像提供了与 CelebA 面部属性对应的分割蒙版。每个图像尺寸为 512 x 512 像素,经过手动注释并分类到包含所有面部组件和配件的19类中(如皮肤、鼻子、眼睛、眉毛、耳朵、嘴巴、嘴唇等)。CelebAMask-HQ 数据集可以用于训练和评估人脸解析、人脸识别算法以及用于人脸生成和编辑的 GAN 算法。此外,该数据集还可以应用于多个研究领域,包括面部图像处理、面部分析与识别及生成模型的研究中。
  • CelebA-HQ-Face-Identity-Recognition-PyTorch: PyTorch的CelebA HQ身份
    优质
    这是一个基于PyTorch框架的人脸识别项目,使用了高质量的CelebA-HQ人脸数据库。该项目致力于实现精确的人脸身份识别功能。 该存储库提供了使用PyTorch的CelebA HQ人脸身份识别模型。数据集包含307个不同的面部身份,每个身份至少有15张以上的图片。训练集中共有4,263张图像,测试集中则有1,215张。 此外,还有一个人脸性别识别数据集,包括了共计30,000张用于区分性别的图片。其中男性和女性的图片数量分别为11,057张和18,943张。训练集中共有23,999张图像,测试集中则有6,001张。 数据集结构如下: - dataset/ - train/ - identity 1/ - identity 2/ ... - test/ - identity 1/ - identity 2/ ... 对于性别识别的数据集,其目录结构为: - dataset/ - train/ - male/ - female/ ... (test部分的详细信息未给出)
  • yale_face-recognition.zip_matlab yale库__yale
    优质
    本资源包含Yale大学的人脸识别数据库,适用于MATLAB环境。该数据库包含了不同光照、表情和面部姿态下16个人的共计165张灰度图像,广泛应用于人脸识别算法的研究与测试。 在使用Yale人脸数据库进行人脸识别实验后,识别率达到90.67%。
  • GavabDB.zip_3D _3D_3d face_ 3d
    优质
    GavabDB是一款专为研究设计的高质量3D人脸数据集,旨在促进3D人脸识别技术的发展和应用。 GavabDB 数据集为3D人脸识别提供了资源。
  • .rar_QT_QT__QT
    优质
    该资源包包含基于QT框架的人脸识别与采集程序代码及文档,适用于开发人员快速构建和部署相关应用程序。 本系统从摄像头实时采集视频并显示,并使用Qt进行开发。系统能够对视频中的脸部图像进行识别与检测。该系统支持多平台及多种操作系统,在Windows系统下利用OpenCV库函数实现视频采集功能。
  • 包含10K张图片的训练
    优质
    本数据集包含超过10,000张高质量人脸图像,旨在为开发和优化人脸识别技术提供全面支持。适合用于训练、验证及测试多种人脸识别算法模型。 我们有一个包含10K张人脸图片的数据集,可用于训练人脸识别模型。
  • NPE.rar_NPE__流形_流形_流形
    优质
    本资源包包含用于研究的人脸识别数据集,特别聚焦于流形学习技术在人脸识别中的应用,旨在促进高效、精准的流形人脸识别算法开发。 用于流形学习的算法——局部邻域保持可以分析任何符合流形分布的数据集,并常用于人脸识别。
  • YaleB FaceDB
    优质
    简介:YaleB人脸数据库与FaceDB人脸识别库是用于面部识别技术研究的重要资源。YaleB包含多样化的面部图像,而FaceDB则提供了一个强大的框架来评估和比较不同的面部识别算法性能。 FaceDB_YaleB 人脸数据集包含了10个人的5850幅图像,在9种姿态和64种光照条件下采集。这些变化条件下的图像是在严格控制下拍摄,主要用于研究光照和姿态问题的建模与分析。对于FaceDB_YaleA人脸数据集的相关信息,请参阅其他资源。
  • 】各类.txt
    优质
    本文件提供了多种类型的人脸数据集信息,涵盖不同应用场景的需求,助力人脸识别技术的研究与开发。 数据集中的人脸均由StyleGAN生成。所有图片均为1024*1024的高清生成图像,各数据集间的图片无重复内容。目前包含男性、女性、黄种人、中国姑娘、小孩、成人及老人等类别,并且还有戴眼镜和有笑容的人脸数据集。
  • 培训库全
    优质
    本资源包涵盖丰富的人脸识别培训数据,包括各类人群、光照条件及姿态下的高清面部图像,旨在为开发者和研究人员提供全面训练模型所需的数据集。 人脸识别训练需要完整的人脸库数据集。