ELFW(Extended Labeled Faces in-the-Wild)

现有的人脸数据集通常缺乏足够的遮挡对象表示，这可能会阻碍识别，但也提供了有意义的信息来理解视觉上下文。在这项工作中，我们介绍了扩展的野外标记人脸（ELFW），这是一个补充了额外的人脸相关类别的数据集 - 以及额外的人脸 - 最初发布的语义标签在广泛使用的野外标记人脸（ LFW）数据集。此外，部署了两种基于对象的数据增强技术来综合丰富代表性不足的类别，在基准测试实验中，这表明不仅分割增强的类别有所改善，而且其余类别也受益。

Existing facial datasets often lack sufficient representations of occluded objects, which may hinder recognition performance while providing meaningful information for understanding visual context. In this work, we introduce the Extended Labeled Faces in the Wild (ELFW), a dataset that supplements the originally published semantic labels of the widely used Labeled Faces in the Wild (LFW) dataset with additional face-related categories—including extra face instances. Furthermore, two object-based data augmentation techniques were deployed to comprehensively enrich underrepresented categories. Benchmark experiments demonstrate that not only are the augmented segmentation categories improved, but the remaining categories also benefit.

搜集汇总

背景与挑战

背景概述

ELFW(Extended Labeled Faces in-the-Wild)是一个扩展的人脸数据集，旨在补充LFW数据集中遮挡对象的不足，通过新增人脸相关类别和语义标签，并采用数据增强技术来提升分割性能。该数据集由加泰罗尼亚技术研究中心于2020年发布，主要用于改善人脸识别中的视觉上下文理解。