CPLFW(Cross-Pose LFW)

Labeled Faces in the Wild (LFW) 的改造，这是用于无约束人脸验证的事实上的标准测试平台。
构建 CPLFW 基准的背后有以下三个动机：
1.建立一个相对难度更大的数据库来评估现实世界人脸验证的性能，以便充分证明几种人脸验证方法的有效性。
2.继续深入研究LFW，更加现实地考虑姿态类内变化，促进无约束情况下跨姿态人脸验证的研究。 CPLFW 的挑战强调位姿差异以进一步扩大类内方差。此外，故意选择负面对以避免不同的性别或种族。 CPLFW 同时考虑了大的类内方差和微小的类间方差。
3.保持数据量，人脸验证协议在LFW中提供“相同/不同”的基准和相同的身份，因此可以很容易地应用CPLFW来评估人脸验证的性能。