Advertisement

帽子与人脸数据集-1600

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


简介:
帽子与人脸数据集-1600是一个包含1600张图像的数据集合,每张图展示了戴着不同款式帽子的人脸。该数据集旨在研究和开发人脸识别及属性检测算法时使用,涵盖多样化的背景、姿势和光照条件,为研究人员提供丰富的测试样本。 我收集并制作了一套用于Darknet框架下深度学习的数据集,包含1600余张图片及手工标注的XML文件,可以直接用于训练使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • -1600
    优质
    帽子与人脸数据集-1600是一个包含1600张图像的数据集合,每张图展示了戴着不同款式帽子的人脸。该数据集旨在研究和开发人脸识别及属性检测算法时使用,涵盖多样化的背景、姿势和光照条件,为研究人员提供丰富的测试样本。 我收集并制作了一套用于Darknet框架下深度学习的数据集,包含1600余张图片及手工标注的XML文件,可以直接用于训练使用。
  • -1600.zip
    优质
    该数据集包含1600个样本,涵盖了各种人脸及帽子图像,适用于训练和测试相关的人脸检测、属性识别以及姿态估计算法。 用于Darknet框架下的深度学习数据集包括1600余张图片,并且每张图片都附有手工标注的xml文件,可以直接用于训练使用。
  • Yolov8-安全体检测
    优质
    本项目基于YOLOv8模型,专注于工业场景下的安全监测,涵盖安全帽识别、人脸识别及人体姿态检测三大模块,旨在提升工作场所的安全水平。 yolov8 数据集包含100张图片,用于检测安全帽、头和人三类目标。
  • -目标检测系列-厨师检测 (chef-hat) >> DataBall
    优质
    Chef-Hat是由DataBall开发的数据集,专注于物体检测中的帽子及厨师帽识别,为智能穿戴设备和安全监控系统提供精准的图像标注与分析模型训练素材。 数据集-目标检测系列- 帽子 厨师帽 检测数据集 chef_hat >> DataBall 标注文件格式:xml 通过webui 方式对ultralytics 的 detect 检测任务 进行: 1)数据预处理, 2)模型训练, 3)模型推理。 脚本运行方式: * 运行脚本: python webui_det.py or run_det.bat 根据readme.md步骤进行操作。 目前数据集暂时在指定网址进行更新。
  • 】各类生成.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。
  • 安全、头盔、各类及鸭舌
    优质
    本数据集包含丰富多样的安全帽、头盔及其他类型帽子图像,特别聚焦于鸭舌帽,为视觉识别与分类研究提供宝贵资源。 本数据集是在大创项目期间与同学合作采集的,并且图像已经过清洗处理。该数据集中包含各种类型的帽子,每个类别大约有1000张图片。此外,高质量版本的数据集即将上传,它将包括更多的图像、txt和xml格式文件以及更丰富的帽子种类。标记工作由大学生手动完成,数据集已进行预处理并被清洗干净。
  • CMU_PIE_Face表情识别-PIEPOSE
    优质
    本研究聚焦于卡内基梅隆大学(CMU)的PIE数据库中人脸表情识别技术的应用,特别关注PIE及POSE子集的数据分析和处理。 CMU Multi-PIE人脸数据库包含超过750,000张来自337人的图像,这些图像是在五个月内最多四次拍摄的。受试者在15个视点和19种照明条件下成像,并展示了多种面部表情。此外,还获取了高分辨率正面图像。总的来说,数据库包含超过305GB的人脸数据。资源包括PIE照明子集(含1154张人脸灰度图,尺寸为32*32)以及三个姿势子集Pose05、Pose07和Pose09(分别含有3332张、1629张和859张人脸灰度图,大小为64*64)。
  • -训练测试
    优质
    简介:本项目提供一个人脸识别的数据集,包含用于模型训练和评估的独立子集。这些数据为研究者提供了宝贵的资源以改进人脸识别技术。 使用大约10000个训练集和4000个数据集进行工作。
  • ORL
    优质
    简介:ORL人脸数据集是由AT&T实验室创建的一个常用的人脸识别研究数据库,包含40人的共400张人脸图像,每人均有10种不同的图片。该数据集广泛应用于人脸识别算法的研究与测试中。 完整的ORL人脸数据库包含40个人的面部图像,每人有十张图片。所有图片格式均为PGM格式。