Advertisement

必备的人脸识别资源：FERET人脸数据库

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

简介：
简介：FERET人脸数据库是人脸识别研究中的重要资源，包含多种光照、姿态下的面部图像，广泛应用于算法开发与测试。 美国军方的FERET人脸数据库包含1400幅图片，涉及200个人，每人有7张不同姿态、表情和光照条件下的照片。这是目前最权威的人脸识别数据集之一，进行人脸识别研究时不可或缺。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 必备的人脸识别资源：FERET人脸数据库
    优质
    简介：FERET人脸数据库是人脸识别研究中的重要资源，包含多种光照、姿态下的面部图像，广泛应用于算法开发与测试。 美国军方的FERET人脸数据库包含1400幅图片，涉及200个人，每人有7张不同姿态、表情和光照条件下的照片。这是目前最权威的人脸识别数据集之一，进行人脸识别研究时不可或缺。
     
  • 必备的人脸识别资源：FERET人脸数据库
    优质
    FERET人脸数据库是人脸识别研究中的重要资源，包含大量标准化人脸图像和数据，广泛应用于算法开发与评估。 美国军方的FERET人脸数据库包含1400幅图片，涉及200个人，每人有7张不同姿态、表情和光照条件下的照片。该数据库是目前最权威的人脸识别数据集之一，进行人脸识别研究时不可或缺。
     
  • FERET人脸数据库
    优质
    FERET人脸数据库是由美国国防先进技术研究计划局（DARPA）资助建立的一个大规模面部图像集合，旨在促进人脸识别技术的研究与发展。包含不同条件下拍摄的人脸图像数千张，为科研人员提供了宝贵的实验数据资源。 FERET人脸数据集包含不同角度、光照条件及表情的人脸图像，非常适合用于人脸检测、人脸识别以及表情识别等领域。
     
  • FERET人脸数据库
    优质
    FERET人脸数据库是由美国国防研究实验室建立的一个大规模人脸图像数据集，包含多种光照、姿态和表情的人脸样本，广泛应用于人脸识别算法的研究与测试。 经典的FERET人脸数据集包含200人的面部图像，每人有7张图片。这些图片已经分类，并且是灰度图，大小为80x80像素。其中第1幅是没有姿态变化的标准图像；第2、5幅则展示了大幅度的姿态变化；而第3、4幅则是小幅度的姿态变化。最后的第7幅显示了光照条件的变化。
     
  • 人脸识别数据库汇总（ORL FERET YALE）
    优质
    本资料库汇集了ORL、FERET及YALE三个著名的人脸识别数据集，为研究人员提供丰富的人脸图像资源用于算法开发与测试。 ORL、FERET 和 YALE 是三大常用的人脸识别数据库，其中包含的图片格式数据较为全面且实用。ORL 数据库包括 40 类，每类有 10 张图像；YALE 数据库则涵盖 15 类，每类有 11 张图像；FERET 数据库拥有 200 类，每类包含 7 张图片。
     
  • FERET人脸资料库
    优质
    FERET人脸数据库是由美国国防研究机构建立的一个大规模面部图像数据集，广泛应用于人脸识别技术的研究与评估。 FERET人脸数据库的第二部分数据与第一部分是独立的。
     
  • FERET人脸资料库
    优质
    FERET人脸数据库是由美国国防研究实验室建立的一个大规模面部图像数据集，包含数千张不同条件下的个体照片，广泛应用于人脸识别技术的研究和评测。 美国军方的FERET人脸数据库可以下载。
     
  • FERET人脸数据库（三）
    优质
    FERET人脸数据库是用于人脸识别研究的重要资源，本文为系列文章第三部分，深入探讨了数据库的应用及最新研究成果。 FERET人脸数据库的第三部分由于资源大小限制被分成了三部分，这是一份非常有用的图像资源，欢迎大家下载。
     
  • 五种常用的人脸识别必备数据库
    优质
    这段文字介绍了五个广泛使用的人脸识别测试数据库，它们为研究人员和开发者提供了宝贵的资源来评估人脸识别技术的有效性和准确性。 常用的五种人脸识别必备数据库包括AT&T人脸数据库、MIT人脸数据库、ORL人脸数据库、Yale人脸数据库以及FERT人脸数据库。这些数据库足以支持人脸识别的研究与开发工作。
     
  • yale人脸识别_face-recognition.zip_matlab yale人脸数据库_人脸识别数据集_yale人脸
    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%。