Advertisement

CelebA数据集.zip

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

简介：
CelebA数据集包含超过十万个名人面部图像，每个图像都有多达40个属性标签，如性别、年龄范围和面部特征等，适用于人脸检测与识别的研究。 CelebA数据集官网地址是：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • CelebA数据集.zip
    优质
    CelebA数据集包含超过十万个名人面部图像，每个图像都有多达40个属性标签，如性别、年龄范围和面部特征等，适用于人脸检测与识别的研究。 CelebA数据集官网地址是：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html
     
  • Celeba-HQ生成数据集.zip
    优质
    Celeba-HQ生成数据集是一个包含高清人脸图像的数据集合，旨在促进人脸识别与生成模型的研究和开发。 Celeba-HQ高清人脸生成代码基于GitHub上的代码进行了修改。
     
  • CelebFaces Attributes (CelebA) 数据集（部分数据）.zip
    优质
    该文件包含CelebA数据集中的一部分图像和属性标签，用于人脸检测与识别的研究。数据涵盖多个人物正面照及其101种属性标注。 CelebFaces Attributes Dataset (CelebA)数据集包含202599幅图像，本压缩包上传了其中的20000张图片用于生成对抗网络（GAN）的训练。
     
  • CelebA数据集分析
    优质
    简介：CelebA数据集包含数十万张名人面部图片，每张图片有40个属性标签。本项目深入探索该数据集，进行图像分类与生成模型研究，为AI学习提供宝贵资源。 StarGAN是CelebA项目的一部分，在该项目的官网上可以找到关于StarGAN的相关资料和使用方法。官网地址为：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html。
     
  • StarGAN中的CelebA数据集
    优质
    简介：CelebA数据集是StarGAN研究中广泛使用的人脸属性编辑数据库，包含数十万张名人面部图像及其多种属性标签。 CelebA数据集（StarGAN）由于直接通过命令行下载通常难以成功，因此我将其上传到了百度云盘供大家下载。
     
  • 基于Stargan的CelebA数据集应用
    优质
    本研究利用StarGAN模型在CelebA数据集中进行人脸属性编辑与风格迁移实验，探索多任务学习框架下的生成对抗网络性能优化。 适用于StarGAN的CelebA数据集，由于原始数据集在Dropbox上下载困难，尤其是对于无法使用梯子的人群来说更加不便。现在我已经将该数据集搬到了百度云，并分享给大家。
     
  • CelebA 人脸数据集 百度云分享
    优质
    简介：CelebA人脸数据集包含数十万张名人面部图像，每张图片都标记了多种属性标签，广泛应用于人脸识别和深度学习研究。百度云提供便捷的数据下载服务。 CelebA人脸数据集（21G）的百度云链接。
     
  • Yolov5数据集创建（Celeba、Wideface、XML解析）
    优质
    本项目专注于使用YOLOv5框架进行人脸检测的数据集创建与训练，涵盖CelebA和WideFace数据库，并提供XML文件的解析支持。 每个文件对应一种数据集的解析，并按照yolov5训练集格式生成解析结果。可以根据个人文件的位置调整相应的路径，该方法已经过测试并证明可行，代码逻辑相对简单。
     
  • CelebA-HQ-Face-Identity-Recognition-PyTorch: 用于PyTorch的CelebA HQ人脸身份识别数据集
    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)