码迷,mamicode.com
首页 > 其他好文 > 详细

肤色检测&人脸检测数据集链接大集合(持续更新中...)

时间:2015-03-21 12:44:40      阅读:1117      评论:0      收藏:0      [点我收藏+]

标签:数据集   肤色识别   人脸识别   dataset   

在国内计算机视觉领域,人体器官的识别和跟踪,如人脸识别跟踪、人手识别跟踪等还是一个热门领域。然而,国内的研究者大多不如国外的研究者那么勤快,不喜欢把自己的测试的数据集(dataset)公开给开发者用,导致大多数开发者只能到国外网站去找。这里为方便大家找数据集,我把一些我自己用的数据集连接放到网上,并附上一些简介,如果链接失效,可以私信我要。

1.   来自牛津大学Visual Geometry Group的Hand Dataset:http://www.robots.ox.ac.uk/~vgg/data/hands/

Training Dataset Validation Dataset
Source #Instances #Big Instances Source #Instances #Big Instances
Buffy Stickman 887 438 Movie Dataset* 1856 649
INRIA pedestrian 1343 137 Total 1856 649
Poselet (H3D) 1355 580 Test Dataset
Skin Dataset [2] 703 139 Source #Instances #Big Instances
PASCAL VOC 2007 train and val set 1867 507 PASCAL VOC 2007 test set 1626 562
PASCAL VOC 2010 train and val set (except human layout set) 3008 1060 PASCAL VOC 2010 human layout val set 405 98
Total 9163 2861 Total 2031 660

2.   Chee Seng Chan的Pratheepan Dataset + Ground Truth:

http://web.fsktm.um.edu.my/~cschan/downloads_skin_dataset.html

简介:在该数据集的图像是随机从谷歌下载的用来搞人体皮肤检测方法研究。这些图像是在在不同的光照下,并通过不同的色彩增强方法处理得到的。

数据集文件结构:

  1. FacePhoto -
    • Single subject
    • Simple background
    • Total Images = 32
  2. FamilyPhoto -
    • Multiple subjects
    • Complex background
    • Total Images = 46
  3. GroundT_FacePhoto -
    • The groundtruth images for FacePhoto
  4. GroundT_FamilyPhoto -
    • The groundtruth images for FamilyPhoto
3.  Son Lam Phung的 Face and Skin Detection Database:http://www.uow.edu.au/~phung/download.html

数据集简介:

技术分享

技术分享

原文简介链接:http://www.uow.edu.au/~phung/docs/face_skin_database.pdf


以下转自:http://haoxiang.org/2013/12/face-recognition-detection-database/

1. Labeled Faces in the Wild:
做人脸识别,准确的说是人脸验证(Face Verification),UMass的LFW估计是最近被用的最多的了,LFW采用的测试协议也已经被几个新的数据集沿用了。人脸验证是指,给定两张人脸的照片,算法需要判断它们是不是来自同一个人。最新的结果(ICCV2013),在限制条件最少的协议下,识别的准确率现在已经高达96%了。[广告^_^] 在限制条件最严的协议下,我们的CVPR2013的结果曾经是最好的。最近被Fisher Vector超过了.. 我们还会回来的…

2. YouTube Faces DB:
YouTube Video Faces也是用来做人脸验证的,和LFW不同的是,在这个数据集下,算法需要判断两段视频里面是不是同一个人。有不少在照片上有效的方法,在视频上未必有效/高效。[广告^_^] 在这个数据集上,我们的最新的结果超过81%,目前还没有看到更高的准确率。

3. FDDB:
FDDB也是UMass的数据集,被用来做人脸检测(Face Detection)。这个数据集比较大,比较有挑战性。而且作者提供了程序用来评估检测结果,所以在这个数据上面比较算法也相对公平。FDDB的一个问题是它的标注是椭圆而不是一般用的长方形,这一点可以会导致检测结果评估不准确。不过因为标准统一,问题倒也不大。[广告^_^] 我们ICCV2013的文章在这个数据上面有不错的结果。

4. The Gallagher Collection Person Dataset:
这也是一个做人脸检测的数据集,是Andrew Gallagher的家庭相册。虽然不是给人脸识别设计的,但是很接近实际应用的场景。很适合用来测试自己的方法。

5. The Annotated Faces in the Wild (AFW) testset:
这还是一个做人脸检测的数据集,随UCI的Xiangxin Zhu在CVPR2012的文章发布。值得注意的是在他们的主页有公开的源代码。虽然人脸检测做了很久,但是效果比较好的,可以在网上方便的得到的检测库除了OpenCV以外并不多见。

6. CMU Dataset:
做人脸检测的数据集,这是一个很有些年头的数据集了,虽然大家最近不常用这个数据,但是这不代表这个老数据集很容易对付。最新的检测算法往往需要比较稠密的取比较复杂的特征,这在这个黑白而且分辨率不高的数据集上未必可行。

7. POS Labeled Faces in the Wild:
这个数据我还没有用过,是最近才发布的一个更大型的LFW。可以用来做人脸识别。看起来很不错的样子。

以下转自:http://blog.csdn.net/xauatnwpu/article/details/4739691

1、Humaine - a collection of emotional databases:
http://emotion-research.net/wiki/Databases 
2、AR Face Database (AR): 
http://rvl1.ecn.purdue.edu/~aleix/aleix_face_DB.html 
3、BioID Face Database (BioID): 
http://www.humanscan.de/support/downloads/facedb.php 
4、Brodatz Texture Database (Brodatz): 
5、Butterfly Database (BDB): 
http://www-cvr.ai.uiuc.edu/ponce_grp/data 
6、CMU Frontal Face Database (CMUFF): 
http://vasc.ri.cmu.edu//idb/html/face/frontal_images/index.html 
7、CMU PIE Database (CMUPIE): 
http://www.ri.cmu.edu/projects/project_418.html 
8、CMU Profile Face Database (CMUPF): 
http://vasc.ri.cmu.edu//idb/html/face/profile_images/index.html 
9、Columbia-Utrecht Reflectance and Texture Database (CUReT): 
10、Corel Gallery Magic 65000 (CGM): 
11、CVL Database (CVL): 
http://www.lrv.fri.uni-lj.si/facedb.html 
12、Data Becker 222222 Premium Cliparts (DBPC): 
13、M2VTS Multimodal Face Database (): 
http://www.tele.ucl.ac.be/PROJECTS/M2VTS/m2fdb.html 
14、MIT CBCL Car Database (MITC): 
http://cbcl.mit.edu/cbcl/software-datasets/CarData.html 
15、MIT CBCL Face Database (MITF): 
http://cbcl.mit.edu/cbcl/software-datasets/FaceData2.html 
16、MIT CBCL Face Recognition Database (): 
http://cbcl.mit.edu/software-datasets/heisele/facerecognition-database.html 
17、MIT CBCL Pedestrian Database (MITP): 
http://cbcl.mit.edu/cbcl/software-datasets/PedestrianData.html 
18、Object Recognition Database (ORDB): 
http://www-cvr.ai.uiuc.edu/ponce_grp/data 
19、ORL Database of Faces (ORL): 
http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html
20、OUTex (OUTex): 
21、PETS 2000 Dataset (PETS2000): 
22、PETS 2001 Dataset (PETS2001): 
23、PETS 2002 Dataset (PETS2002): 
24、PETS 2005 Dataset (PETS2005): 
25、PETS-ECCV 2004 Dataset (PETSECCV2004): 
26、PETS-ICVS 2003 Dataset (PETSICVS2003): 
27、PhoTex (PhoTex): 
28、Pilot European Image Processing Archive (PEIPA): 
http://peipa.essex.ac.uk/ 
29、Talking Face Video (): 
30、Texture Database (TDB): 
http://www-cvr.ai.uiuc.edu/ponce_grp/data 
31、Texture Database for the Measurement of Texture classification algorithms (MeasTex): 
32、The Color FERET Database (): 
http://www.itl.nist.gov/iad/humanid/colorferet/home.html 
33、The Extended M2VTS Database (XM2VTSDB ): 
http://www.ee.surrey.ac.uk/Research/VSSP/xm2vtsdb/ 
34、The FERET Database (): 
http://www.itl.nist.gov/iad/humanid/feret/ 
35、The Japanese Female Facial Expression (JAFFE) Database (JAFFE): 
http://www.kasrl.org/jaffe.html 
36、The M2VTS Database (M2VTS): http://www.tele.ucl.ac.be/PROJECTS/M2VTS/m2fdb.html 
37、The Psychological Image Collection at Stirling (PICS): 
http://pics.psych.stir.ac.uk/cgi-bin/PICS/New/pics.cgi 
38、The UMIST Face Database (UMIST): 
39、The University of Oulu Physics-Based Face Database (UOFD): 
http://www.ee.oulu.fi/research/imag/color/pbfd.html 
40、The Yale Face Database (YFD): 
http://cvc.yale.edu/projects/yalefaces/yalefaces.html 
41The Yale Face Database B (YFDB): 
http://cvc.yale.edu/projects/yalefacesB/yalefacesB.html 
42、Vision Texture Database (VisTex): 
43、VS-PETS 2003 Dataset (VSPETS2003):

肤色检测&人脸检测数据集链接大集合(持续更新中...)

标签:数据集   肤色识别   人脸识别   dataset   

原文地址:http://blog.csdn.net/wangkr111/article/details/44514097

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!