célébrité_a

• Visualisation : Explorer dans Know Your Data north_east

• Descriptif :

CelebFaces Attributes Dataset (CelebA) est un ensemble de données d'attributs de visage à grande échelle avec plus de 200 000 images de célébrités, chacune avec 40 annotations d'attributs. Les images de cet ensemble de données couvrent de grandes variations de pose et un fouillis d'arrière-plan. CelebA a une grande diversité, de grandes quantités et des annotations riches, dont - 10 177 nombres d'identités, - 202 599 nombres d'images de visages et - 5 emplacements de points de repère, 40 annotations d'attributs binaires par image.

L'ensemble de données peut être utilisé comme ensemble de formation et de test pour les tâches de vision par ordinateur suivantes : reconnaissance des attributs du visage, détection du visage et localisation de points de repère (ou de parties du visage).

• Documentation supplémentaire : Explorer sur les articles avec le code north_east

• Page d'accueil : http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

• Code source : tfds.datasets.celeb_a.Builder

• Versions :

  • 2.0.1 : Nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
  • 2.1.0 (par défaut) : fonctionnalité d'identité ajoutée.

• Taille du téléchargement : 1.39 GiB

• Taille du jeu de données : 1.63 GiB

• Mise en cache automatique ( documentation ) : Non

• Divisions :

• Structure des fonctionnalités :

FeaturesDict({
    'attributes': FeaturesDict({
        '5_o_Clock_Shadow': bool,
        'Arched_Eyebrows': bool,
        'Attractive': bool,
        'Bags_Under_Eyes': bool,
        'Bald': bool,
        'Bangs': bool,
        'Big_Lips': bool,
        'Big_Nose': bool,
        'Black_Hair': bool,
        'Blond_Hair': bool,
        'Blurry': bool,
        'Brown_Hair': bool,
        'Bushy_Eyebrows': bool,
        'Chubby': bool,
        'Double_Chin': bool,
        'Eyeglasses': bool,
        'Goatee': bool,
        'Gray_Hair': bool,
        'Heavy_Makeup': bool,
        'High_Cheekbones': bool,
        'Male': bool,
        'Mouth_Slightly_Open': bool,
        'Mustache': bool,
        'Narrow_Eyes': bool,
        'No_Beard': bool,
        'Oval_Face': bool,
        'Pale_Skin': bool,
        'Pointy_Nose': bool,
        'Receding_Hairline': bool,
        'Rosy_Cheeks': bool,
        'Sideburns': bool,
        'Smiling': bool,
        'Straight_Hair': bool,
        'Wavy_Hair': bool,
        'Wearing_Earrings': bool,
        'Wearing_Hat': bool,
        'Wearing_Lipstick': bool,
        'Wearing_Necklace': bool,
        'Wearing_Necktie': bool,
        'Young': bool,
    }),
    'identity': FeaturesDict({
        'Identity_No': int64,
    }),
    'image': Image(shape=(218, 178, 3), dtype=uint8),
    'landmarks': FeaturesDict({
        'lefteye_x': int64,
        'lefteye_y': int64,
        'leftmouth_x': int64,
        'leftmouth_y': int64,
        'nose_x': int64,
        'nose_y': int64,
        'righteye_x': int64,
        'righteye_y': int64,
        'rightmouth_x': int64,
        'rightmouth_y': int64,
    }),
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir doc as_supervised ) : None

• Figure ( tfds.show_examples ) :

• Exemples ( tfds.as_dataframe ) :

• Citation :

@inproceedings{conf/iccv/LiuLWT15,
  added-at = {2018-10-09T00:00:00.000+0200},
  author = {Liu, Ziwei and Luo, Ping and Wang, Xiaogang and Tang, Xiaoou},
  biburl = {https://www.bibsonomy.org/bibtex/250e4959be61db325d2f02c1d8cd7bfbb/dblp},
  booktitle = {ICCV},
  crossref = {conf/iccv/2015},
  ee = {http://doi.ieeecomputersociety.org/10.1109/ICCV.2015.425},
  interhash = {3f735aaa11957e73914bbe2ca9d5e702},
  intrahash = {50e4959be61db325d2f02c1d8cd7bfbb},
  isbn = {978-1-4673-8391-2},
  keywords = {dblp},
  pages = {3730-3738},
  publisher = {IEEE Computer Society},
  timestamp = {2018-10-11T11:43:28.000+0200},
  title = {Deep Learning Face Attributes in the Wild.},
  url = {http://dblp.uni-trier.de/db/conf/iccv/iccv2015.html#LiuLWT15},
  year = 2015
}