پهنتر_صورت

  • توضیحات :

مجموعه داده WIDER FACE یک مجموعه داده معیار تشخیص چهره است که تصاویر از مجموعه داده WIDER در دسترس عموم انتخاب می شوند. ما 32203 تصویر را انتخاب می کنیم و 393703 چهره را با درجه تنوع بالا در مقیاس، ژست و انسداد همانطور که در تصاویر نمونه نشان داده شده است برچسب گذاری می کنیم. مجموعه داده WIDER FACE بر اساس 61 کلاس رویداد سازماندهی شده است. برای هر کلاس رویداد، ما به طور تصادفی 40٪/10٪/50٪ داده ها را به عنوان مجموعه های آموزشی، اعتبار سنجی و آزمایش انتخاب می کنیم. ما از همان معیار ارزیابی استفاده شده در مجموعه داده PASCAL VOC استفاده می کنیم. مشابه مجموعه داده‌های MALF و Caltech، ما حقیقت پایه جعبه مرزی را برای تصاویر آزمایشی منتشر نمی‌کنیم. کاربران موظفند فایل های پیش بینی نهایی را ارسال کنند که ما به ارزیابی آنها خواهیم پرداخت.

شکاف مثال ها
'test' 16,097
'train' 12880
'validation' 3,226
  • ساختار ویژگی :
FeaturesDict({
    'faces': Sequence({
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'blur': uint8,
        'expression': bool,
        'illumination': bool,
        'invalid': bool,
        'occlusion': uint8,
        'pose': bool,
    }),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
چهره ها توالی
چهره ها/بی باکس ویژگی BBox (4،) float32
چهره ها / تاری تانسور uint8
چهره / بیان تانسور بوول
چهره ها/روشنایی تانسور بوول
چهره / نامعتبر تانسور بوول
چهره ها / انسداد تانسور uint8
چهره / ژست تانسور بوول
تصویر تصویر (هیچ، هیچ، 3) uint8
تصویر/نام فایل متن رشته

تجسم

  • نقل قول :
@inproceedings{yang2016wider,
    Author = {Yang, Shuo and Luo, Ping and Loy, Chen Change and Tang, Xiaoou},
    Booktitle = {IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
    Title = {WIDER FACE: A Face Detection Benchmark},
    Year = {2016} }