DeepVAC-face test dataset. 一个高质量的用于1:N人脸识别的开源人脸测试集。
SYSZUXface具有如下特点:
- 1:N的人脸识别;
- ds划分为不同的子分支,方便以后的扩展;
- db划分为不同的子分支,方便灵活组合;
- 以**人为主,未来也会兼顾其它人种;
- 提供原始图片,检测和识别均需用户自定义实现,更贴近产业;
dataset目录中的图片文件使用git lfs维护,克隆该项目前,你需要首先安装git-lfs:
#on Linux
apt install git-lfs
#on macOS
brew install git-lfs
然后:
#克隆该项目
git clone https://github.com/DeepVAC/SYSZUXface
#拉取dataset图片
git lfs pull
定义如下概念:
- TP: 将正类预测为正类数,也即已注册db的ds 匹配到了 对应的db;
- FN: 将正类预测为负类数;也即已注册db的ds 没有匹配 对应的db;
- FP: 将负类预测为正类数;也即没注册db的ds 匹配到了 某个db;
- TN: 将负类预测为负类数;也即没注册db的ds 没有匹配 任何db;
定义准确率、精确率、召回率如下:
- 准确率(accuracy) = (TP+TN)/(TP+FN+FP+TN)
- 精确率(precision) = TP/(TP+FP)
- 召回率(recall) = TP/(TP+FN)
- 漏检率(漏检率) = FN/(TP+FN)
- 错误率(错误率) = (FN+FP)/(TP+FN+FP+TN)
项目的目录说明如下:
目录 | 说明 |
---|---|
dataset | 数据集 |
src | 测试示例代码 |
dataset/db | 底库图片,包含多个子目录,默认合并使用 |
dataset/db/famous | 底库图片,ds/famous测试图片对应的底库图片 |
dataset/db/soccer | 底库图片,ds/soccer测试图片对应的底库图片 |
dataset/db/allage | 底库图片,底库的干扰项图片 |
dataset/db/hancheng | 底库图片,底库的干扰项图片 |
dataset/db/manyi | 底库图片,底库的干扰项图片 |
dataset/ds | 待测试图片,包含多个子目录 |
dataset/ds/famous | 待测试图片,以公众人物为主,对应的底库图片为db/famous |
dataset/ds/soccer | 待测试图片,以足球运动员为主,对应的底库图片为db/soccer |
经典的测试步骤如下:
- 合并dataset/db下的子目录,组成大而全的底库,目前具备4w+的底库图片;
- 调整自己的人脸检测和识别算法,确保每个每个底库图片都能提取出特征;
- 使用自定义人脸检测和识别算法,生成适用于自己算法的底库;
- 使用自定义人脸检测和识别算法,对ds的子目录进行检测、特征提取、底库特征匹配;
- 计算ds/soccer的准确率、精确率、召回率、漏检率、错误率;
- 计算ds/famous的准确率、精确率、召回率、漏检率、错误率;
本项目仅限用于纯粹的学术研究,如:
- 个人学习;
- 比赛排名;
- 公开发表且开源其实现的论文;
不得用于任何形式的商业牟利,包括但不限于:
- 任何形式的商业获利行为;
- 任何形式的商务机会获取;
- 任何形式的商业利益交换;
我们欢迎各种形式的贡献,包括但不限于:
- 提交自己的作品/产品在SYSZUXface上的成绩;
- 发现和Fix项目的bug;
- 提交高质量的测试集数据;