Advertisement

CelebA-HQ-Face-Identity-Recognition-PyTorch: 用于PyTorch的CelebA HQ人脸身份识别数据集

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

简介：
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)

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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)
     
  • 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。
     
  • 使用CelebA数据集的Pytorch GAN人脸生成代码
    优质
    这段代码利用了流行的CelebA人脸数据库，在PyTorch框架下实现了一种生成对抗网络(GAN)，用于高效逼真地生成面部图像。 使用CelebA数据集的GAN网络生成人脸的Pytorch代码可以在提供的压缩包里找到。
     
  • CelebAMask-HQ：大型人脸数据集，适用于人脸解析、识别、生成及编辑
    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 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。
     
  • 人脸识别技术（Face Recognition）
    优质
    简介：人脸识别技术是一种生物识别技术，通过分析和对比人脸图像或视频中的特征信息来确认个人身份。该技术广泛应用于安全认证、社交媒体、移动支付等多个领域，极大地提升了便利性和安全性。 face_recognition 是一个简单的人脸识别库。你可以通过Python引用或者命令行的形式使用它来管理和识别人脸。该软件包采用了dlib中最先进的人脸识别深度学习算法，在《Labeled Faces in the World》测试基准下达到了99.38%的准确率。此外，face_recognition还提供了一个名为face_recognition的命令行工具，方便用户通过命令行对文件夹中的图片进行人脸识别操作。 安装方法如下： 1. 首先需要安装 cmake 和 boost ``` pip install cmake pip install b ```
     
  • Flickr-Faces-HQ（FFHQ）高清人脸数据集_0000-2
    优质
    这段简介可以描述为：Flickr-Faces-HQ (FFHQ) 高清人脸数据集是一个包含大量高质量人像图片的数据集合，用于促进计算机视觉和机器学习领域的研究与开发。 由于您给定的标题中包括 _0000-2 的部分，我假设这是数据集中一个具体的子部分或编号；然而，这部分信息不足以提供更加具体的内容描述，所以我未在简介中包含它。若需要更详细 人脸数据集包含彩色高清图片，涵盖各种人种及年龄段。图像尺寸为1024x1024像素。
     
  • 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
     
  • Flutter实时人脸识别：Face-Recognition-Flutter
    优质
    Face-Recognition-Flutter是一款基于Flutter框架开发的人脸识别应用，能够实现实时人脸检测与识别功能，适用于移动设备。 人脸识别颤动实时面部识别颤动应用程序使用APK文件实现。该应用利用Firebase ML Vision进行人脸检测，并通过TensorFlow实施模型引入tflite来执行人脸识别转换。 安装步骤如下： 1. 下载或克隆此仓库。 2. 转到项目根目录，在控制台中运行`flutter pub get`命令以获取所需的依赖关系。 3. 为flutter_tflite软件包添加动态库，使其正常工作。 4. 安装Flutter应用：使用`flutter run`。 认可度（来自Westworld的照片） 贡献使开源社区成为了一个令人赞叹的学习、启发和创造场所。任何贡献都将不胜感激。分叉项目并创建您的Feature分支以进行开发。