【論文筆記】VGGFace2——一個能夠用於識別不同姿態和年齡人臉的資料集

													<span class="tags-box artic-tag-box">
							<span class="label">標籤：</span>
															<a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;人臉識別&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=人臉識別&amp;t=blog" target="_blank">人臉識別																</a><a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;資料&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=資料&amp;t=blog" target="_blank">資料																</a><a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;深度學習&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=深度學習&amp;t=blog" target="_blank">深度學習																</a>
						<span class="article_info_click">更多</span></span>
																				<div class="tags-box space">
							<span class="label">個人分類：</span>
															<a class="tag-link" href="https://blog.csdn.net/shaoxiaohu1/article/category/1865945" target="_blank">CV參考資料																</a>
						</div>
																				<div class="tags-box space">
							<span class="label">所屬專欄：</span>
															<a class="tag-link" href="https://blog.csdn.net/column/details/cv-paper-reading.html" target="_blank">CV論文筆記</a>
															
						</div>
																</div>
			<div class="operating">
													</div>
		</div>
	</div>
</div>
<article class="baidu_pl">
	<div id="article_content" class="article_content clearfix csdn-tracking-statistics" data-pid="blog" data-mod="popu_307" data-dsm="post">
							<div class="article-copyright">
				版權宣告：本文為shaoxiaohu原創文章，歡迎轉載，請註明出處，謝謝。					https://blog.csdn.net/shaoxiaohu1/article/details/79007477				</div>
							            <div id="content_views" class="markdown_views prism-atom-one-dark">
						<!-- flowchart 箭頭圖示 勿刪 -->
						<svg xmlns="http://www.w3.org/2000/svg" style="display: none;"><path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path></svg>
						<p>####參考文獻：*** ***<br>
 

Cao Q, Shen L, Xie W, et al. VGGFace2: A dataset for recognising faces across pose and age[J]. 2017.

####簡介
VGGFace2 是一個大規模人臉識別資料，包含331萬圖片，9131個ID，平均圖片個數為362.6。這個資料集有以下幾個特點：
1）人物ID較多，且每個ID包含的圖片個數也較多。
2）覆蓋大範圍的姿態、年齡和種族。
3）儘可能地使噪聲最少。
作者使用ResNet-50和SE分別在VGGFace/MSCeleb-1M/VGGFace2分別做訓練，使用IJB-A做測試，證明了VGGFace2的最佳訓練結果。同時實驗也表明，使用MS-Celeb-1M做預訓練，再使用VGGFace2做finetune,能夠取得更好的效果。

作者不僅公佈了資料，也將論文中用到的模型放出：資料鏈接

資料介紹

該資料集是從谷歌中下載的，包含不同姿態、年齡、光照和背景的人臉圖片，其中約有59.7%的男性。除了身份資訊之外，資料集還包括人臉框，5個關鍵點、以及估計的年齡和姿態。下圖為VGGFace2和其它人臉資料集的具體指標對比：

資料集分為訓練集和評測集，其中訓練集包含8631類，評測集包含500類。評測場景可以按姿態和年齡模板分為兩類，模板由5張姿態/年齡接近的同一ID的人臉圖片組成，如下圖所示：

姿態模板

年齡模板
資料的收集和清理工作，由手動和自動完成（清理工作值得借鑑）：

實驗

作者使用了ResNet-50和SE-ResNet-50網路分別在VGGFace/VGGFace2/MS-Celeb-1M上進行訓練，在IJB-A上進行測試和對比人臉識別效能。實驗證明，相同網路在VGGFace2上訓練的識別模型在1：1比對和1：N搜尋均取得了更好的結果，進一步地，將MS-Celeb-1M和VGGFace2結合，SE-ResNet-50能夠取得最佳的識別結果。（實驗也證明了SE-ResNet-50的優越效能，需要在自己的實驗中應用一下）

        </div>
					<link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-a47e74522c.css" rel="stylesheet">
            </div>
				</article>