上一篇《使用ML.NET模型生成器來完成圖片性別識別》發布后，很多朋友希望得到源碼，這里附上地址：

https://github.com/xin-lai/GenderRecognition

常用的人臉數據庫

對于部分朋友說，找不到訓練的數據，這里也給出部分數據：

01

FERET人臉數據庫

http://www.nist.gov/itl/iad/ig/colorferet.cfm

由 FERET 項目創建，此圖像集包含大量的人臉圖像，并且每幅圖中均只有一個人臉。該集中，同一個人的照片有不同表情、光照、姿態和年齡的變化。包含 1 萬多張多姿態和光 照的人臉圖像，是人臉識別領域應用最廣泛的人臉數據庫之一。其中的多數人是西方人，每 個人所包含的人臉圖像的變化比較單一。

02

CMU Multi-PIE人臉數據庫

http://www.flintbox.com/public/project/4742/

由美國卡耐基梅隆大學建立。所謂“PIE”就是姿態（Pose），光照（Illumination）和表 情（Expression）的縮寫。CMU Multi-PIE 人臉數據庫是在 CMU-PIE 人臉數據庫的基礎上發展起來的。包含 337 位志愿者的 75000 多張多姿態，光照和表情的面部圖像。其中的姿態和光照變化圖像也是在嚴格控制的條件下采集的，目前已經逐漸成為人臉識別領域的一個重要 的測試集合。

03

?YALE人臉數據庫（美國，耶魯大學）

http://cvc.cs.yale.edu/cvc/projects/yalefaces/yalefaces.html

由耶魯大學計算視覺與控制中心創建，包含 15 位志愿者的 165 張圖片，包含光照、表情和姿態的變化。Yale 人臉數據庫中一個采集志愿者的 10 張樣本，相比較 ORL 人臉數據庫 Yale 庫中每 個對象采集的樣本包含更明顯的光照、表情和姿態以及遮擋變化。

04

YALE人臉數據庫 B

https://computervisiononline.com/dataset/1105138686

包含了 10 個人的 5850 幅在 9 種姿態，64 種光照條件下的圖像。其中的姿態和光照變 化的圖像都是在嚴格控制的條件下采集的，主要用于光照和姿態問題的建模與分析。由于采集人數較少，該數據庫的進一步應用受到了比較大的限制。

05

?ORL人臉數據庫

https://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html

由英國劍橋大學 AT&T 實驗室創建，包含 40 人共 400 張面部圖像，部分志愿者的圖像 包括了姿態,表情和面部飾物的變化。該人臉庫在人臉識別研究的早期經常被人們采用，但由于變化模式較少，多數系統的識別率均可以達到 90%以上，因此進一步利用的價值已經不大。ORL人臉數據庫中一個采集對象的全部樣本庫中每個采集對象包含 10 幅經過歸一化處理的灰度圖像，圖像尺寸均為 92×112，圖像背景為黑色。其中采集對象的面部表情和細節 均有變化，例如笑與不笑、眼睛睜著或閉著以及戴或不戴眼鏡等，不同人臉樣本的姿態也有變化，其深度旋轉和平面旋轉可達 20 度。

06

?BioID人臉數據庫

https://www.bioid.com/facedb/

包含在各種光照和復雜背景下的 1521 張灰度面部圖像，眼睛位置已經被手工標注。

07

?年齡識別數據集IMDB-WIKI

https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/

包含 524230 張從 IMDB 和 Wikipedia 爬取的名人數據圖片。應用了一個新穎的化回歸 為分類的年齡算法。本質就是在0-100之間的 101 類分類后，對于得到的分數和 0-100 相乘，并將最終結果求和，得到最終識別的年齡。

08

Caltech 10000 Web Faces

http://www.vision.caltech.edu/Image_Datasets/Caltech_10K_WebFaces/

發布于2007年，這是一個灰度人臉數據集，使用Google圖片搜索引擎用關鍵詞爬取所得，包含了7092張圖，10524個人臉，平均分辨率在304×312。除此之外還提供雙眼鼻子，和嘴巴共4個坐標位置，在早期被較多地使用，現在的方法已經很少用灰度數據集做評測。

09

WIDER Face

http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/

發布于2015年，FDDB評測標準由于只有幾千張圖像，這樣的數據集在人臉的姿態、尺度、表情、遮擋和背景等多樣性上非常有限，訓練出來的模型難以被很好的評判，算法很快就達到飽和。在這樣的背景下香港中文大學提出了Wider-face數據集，在很長一段時間里，大型互聯網公司和科研機構都在Wider-face上做人臉檢測算法競賽。

Wider-face總共有32203張圖片，共有393703張人臉，比FDDB數據集大10倍，而且在面部的尺寸、姿勢、遮擋、表情、妝容、光照上都有很大的變化，算法不僅標注了框，還提供了遮擋和姿態的信息，自發布后廣泛應用于評估性能比傳統方法更強大的卷積神經網絡。

Wider-face中的圖像分辨率較高，所有圖像的寬都縮放到1024像素，最小標注的人臉大小為10×10，平均一張圖超過10個人臉，密集小人臉非常多。訓練集，驗證集，測試集分別占40%，10%，50%，測試集非常大，結果可靠性高。

根據EdgeBox方法的檢測率Wider-face評測被劃分為三個難度等級：Easy, Medium, Hard，可以在各個任務維度上進行評測，比如Hard等級非常適合評測小臉檢測框架。

10

MALF

http://www.cbsr.ia.ac.cn/faceevaluation

MALF（Multi-Attribute Labelled Faces）發布于2015年，是為了更加細粒度地評估野外環境中人臉檢測模型而設計的數據庫。數據主要來源于Internet，包含5250個圖像、11931個人臉。每一幅圖像包含正方形邊界框，頭部姿態的俯仰程度，包括小中大三個等級的標注。該數據集忽略了小于20×20或者非常難以檢測的人臉，共包含大約838個人臉，占該數據集的7%。同時該數據集還提供了性別，是否帶眼鏡、是否遮擋、是否是夸張的表情等輔助信息。

11

MAFA

http://www.escience.cn/people/geshiming/mafa.html

發布于2017年，這是一個遮擋人臉檢測數據集，總共包含30811張圖、35806張被遮擋的人臉，包含各種方向和尺度的遮擋。

它們首先將人臉分為4個區域，分為眼睛、鼻子、嘴巴、下頜，根據遮擋區域數量將遮擋程度分為三檔。weak occlusion對應一到兩個區域的遮擋，medium occlusion對應3個區域的遮擋，heavy occlusion對應4個區域的遮擋。

人臉方向包含5個，left、front、right、left-front及right-front。遮擋類型分為4個，即人造的純色遮擋物、人造的復雜紋理遮擋物、手/頭發等身體造成的自遮擋以及復雜類型。

12

Unconstrained Face Detection Dataset（UFDD）

https://ufdd.info/

發布于2018年，這是一個非限制場景下的人臉檢測數據集，總共包含6425張圖、10897張人臉，包含雨天(Rain)、雪天(Snow)、霧天(Haze)、模糊(Blur)、光照(Illumination)、晶體障礙(Lens impediments)和干擾物(Distractors)等7個場景。

除此之外，還有一些比較特殊的，比如魚眼人臉檢測數據集，由于比較小眾，就不再集中介紹。總的來說，人臉檢測數據集的發展歷史，就是不斷向真實復雜場景靠近。

13

MTFL與MAFL

http://mmlab.ie.cuhk.edu.hk/projects/TCDCN.html

發布于2014年，這里包含了兩個數據集。

Multi-Task Facial Landmark(MTFL)數據集包含了12995張臉，5個關鍵點標注，另外也提供了性別、是否微笑、是否佩戴眼鏡以及頭部姿態的信息。

14

The Japanese Female Facial Expression(JAFFE) Database

http://www.kasrl.org/jaffe.html

1998年發布，這是比較小和老的數據庫。該數據庫是由10位日本女性在實驗環境下根據指示做出各種表情，再由照相機拍攝獲取的人臉表情圖像。整個數據庫一共有213張圖像，10個人，全部都是女性，每個人做出7種表情，這7種表情分別是sad、happy、angry、disgust、surprise、fear、neutral，每組大概20張樣圖。

15

Fer2013

https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data

發布于2013年，該數據集包含共26190張48×48灰度圖，圖片的分辨率比較低，共6種表情。分別為anger生氣、disgust厭惡、fear恐懼、happy開心、sad傷心、surprised驚訝、normal中性。

16

EmotioNet

http://cbcsl.ece.ohio-state.edu/EmotionNetChallenge/

發布于2017年，共950，000張圖，其中包含基本表情、復合表情，以及表情單元的標注。

17

Adience

https://www.openu.ac.il/home/hassner/Adience/data.html#frontalized

發布于2014年，這是采用iPhone5或更新的智能手機拍攝的數據，共2284個人26580張圖像。它的標注采用的是年齡段的形式而不是具體的年齡，其中年齡段為（0-2、4-6、8-13、15-20、25-32、38-43、48-53、60+）。

18

IMDB-wiki

https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/

發布于2015年，IMDB-WIKI人臉數據庫是由IMDB數據庫和Wikipedia數據庫組成，其中IMDB人臉數據庫包含了460723張人臉圖片，而Wikipedia人臉數據庫包含了62328張人臉數據庫，總共523051張人臉數據。都是從IMDb和維基百科上爬取的名人圖片，根據照片拍攝時間戳和出生日期計算得到的年齡信息，以及性別信息，對于年齡識別和性別識別的研究有著重要的意義，這是目前年齡和性別識別最大的數據集。

19

SCUT-FBP5500

https://github.com/HCIILAB/SCUT-FBP5500-Database-Release

發布于2017年，數據集共5500個正面人臉，年齡分布為15-60，全部都是自然表情。包含不同的性別分布和種族分布（2000亞洲女性、2000亞洲男性、750高加索男性、750高加索女性），數據分別來自于數據堂，US Adult database等。每一張圖由60個人進行評分，共評為5個等級，這60個人的年齡分布為18～27歲，均為年輕人。適用于基于表觀和形狀等的模型研究。同時，每一個圖都提供了86個關鍵點的標注。

轉載是一種動力 分享是一種美德

如果喜歡作者的文章，請關注【麥扣聊技術】訂閱號以便第一時間獲得最新內容。本文版權歸作者和湖南心萊信息科技有限公司共有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文連接，否則保留追究法律責任的權利。

文檔官網：docs.xin-lai.com

QQ群：

編程交流群<85318032>?

產品交流群<897857351>

總結

以上是生活随笔為你收集整理的【源码】常用的人脸识别数据库以及上篇性别识别源码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。