AiresPucrs/CelebA-Smiles

CelebA-Smiles数据集是CelebFaces Attributes Dataset的一个子集，主要用于计算机视觉任务中的微笑检测。该数据集包含50,000张名人图像，每张图像都有40个属性标注，其中50%的图像是微笑的，另外50%是不微笑的。数据集的特征包括图像和40个二进制属性标注，如5_o_Clock_Shadow、Arched_Eyebrows、Attractive等。数据集的总大小为365,293,550字节，下载大小为349,853,371字节。

原始信息汇总

CelebA-Smiles 数据集概述

数据集详情

特征信息

• image: 图像数据
• 5_o_Clock_Shadow: 胡须
• Arched_Eyebrows: 弯眉
• Attractive: 吸引力
• Bags_Under_Eyes: 眼袋
• Bald: 秃头
• Bangs: 刘海
• Big_Lips: 大嘴唇
• Big_Nose: 大鼻子
• Black_Hair: 黑发
• Blond_Hair: 金发
• Blurry: 模糊
• Brown_Hair: 棕发
• Bushy_Eyebrows: 浓眉
• Chubby: 圆胖
• Double_Chin: 双下巴
• Eyeglasses: 眼镜
• Goatee: 山羊胡
• Gray_Hair: 灰发
• Heavy_Makeup: 浓妆
• High_Cheekbones: 高颧骨
• Male: 男性
• Mouth_Slightly_Open: 微张嘴
• Mustache: 胡子
• Narrow_Eyes: 小眼睛
• No_Beard: 无胡须
• Oval_Face: 椭圆脸
• Pale_Skin: 苍白皮肤
• Pointy_Nose: 尖鼻子
• Receding_Hairline: 后退发际线
• Rosy_Cheeks: 红润脸颊
• Sideburns: 鬓角
• Smiling: 微笑
• Straight_Hair: 直发
• Wavy_Hair: 卷发
• Wearing_Earrings: 戴耳环
• Wearing_Hat: 戴帽子
• Wearing_Lipstick: 涂口红
• Wearing_Necklace: 戴项链
• Wearing_Necktie: 戴领带
• Young: 年轻

数据分割

• train: 训练集，包含 50000 个样本，占用 365293550 字节

数据集大小

• 下载大小: 349853371 字节
• 数据集大小: 365293550 字节

配置信息

• default: 默认配置，数据文件路径为 data/train-*

数据集名称

• CelebA-Smiles

数据集大小分类

• 10M < n < 100M

数据集内容

• 该数据集是 CelebFaces Attributes Dataset 的一个子集。
• 包含 50000 张名人图像，每张图像有 40 个属性标注。
• 数据集平衡，50% 的人微笑，50% 的人不微笑，包含其他 39 个属性。

使用方法

python from datasets import load_dataset

dataset = load_dataset("AiresPucrs/CelebA-Smiles", split=train)

许可证

• 该数据集的许可证为 Other。

搜集汇总

数据集介绍

构建方式

在计算机视觉与面部属性识别领域，CelebA-Smiles数据集基于经典的大规模人脸数据集CelebA构建而成。该数据集从原始CelebA图像中精选出包含微笑属性的样本，并保留了完整的40种面部特征标注，涵盖性别、年龄、发型、配饰等多种属性。构建过程通过系统化的数据筛选与标注整合，确保了图像与多标签属性之间的精确对应，为细粒度人脸分析提供了结构化的数据基础。

特点

CelebA-Smiles数据集的核心特点在于其专注于微笑表情的同时，保留了丰富的多标签属性体系。数据集中每张图像均附带40种二元属性标注，如是否佩戴眼镜、发型类型、面部轮廓特征等，形成了高维度的语义描述空间。这种设计使得数据集不仅适用于微笑检测，更能支持多任务学习与跨属性关联分析，为面部表情与属性联合建模提供了多维度的实验数据。

使用方法

该数据集可通过Hugging Face的datasets库便捷加载，适用于机器学习与计算机视觉研究。研究人员可利用其进行面部属性分类、表情识别、生成对抗网络训练等任务。数据以图像与结构化标签对的形式呈现，支持端到端的模型训练与评估。在使用时需注意遵守原始CelebA数据集的许可协议，确保符合学术与伦理规范。

背景与挑战

背景概述

CelebA-Smiles数据集源自著名的CelebA人脸属性数据集，由香港中文大学多媒体实验室于2015年构建，旨在推动人脸识别与属性分析领域的研究。该数据集聚焦于人脸图像的多标签分类任务，尤其关注微笑属性的识别，为面部表情分析与情感计算提供了重要数据基础。其构建整合了超过20万张名人图像，并标注了40余种面部属性，显著促进了人脸解析、生成模型及公平性研究的发展，成为计算机视觉领域广泛使用的基准资源之一。

当前挑战

CelebA-Smiles数据集所针对的人脸属性识别任务面临多重挑战：属性间存在复杂相关性，如微笑与嘴部张开状态的高度耦合，增加了模型解耦学习的难度；同时，数据集中的人口统计学偏差，如性别与种族分布不均，可能引发模型公平性问题。在构建过程中，大规模人脸图像的属性标注依赖人工参与，确保标注一致性与准确性成为关键难题；此外，原始图像在姿态、光照及遮挡方面的多样性，也对数据清洗与标准化处理提出了较高要求。

常用场景

经典使用场景

在计算机视觉与面部属性分析领域，CelebA-Smiles数据集以其精细标注的面部特征成为经典基准。该数据集主要应用于面部属性识别与分类任务，研究人员利用其丰富的二值化属性标签，如微笑、眼镜佩戴、发型等，训练深度神经网络模型进行多标签分类。通过大规模人脸图像与结构化属性标注的结合，该数据集为模型提供了学习面部细微特征与全局上下文关联的优质素材，推动了属性识别精度的持续提升。

实际应用

在实际应用层面，CelebA-Smiles数据集为智能安防、人机交互与数字娱乐产业提供了关键技术支撑。基于该数据集训练的模型可应用于实时人脸属性分析系统，辅助身份验证与情绪感知；在虚拟形象生成与美颜应用中，其属性标注体系为面部特征编辑提供了可控参数空间。此外，该数据集在辅助医疗诊断如面部症状识别，以及个性化推荐系统中用户画像构建等方面亦展现出潜在价值。

衍生相关工作

围绕CelebA-Smiles数据集衍生出多项经典研究工作，尤其在属性感知的人脸生成领域影响深远。例如基于条件生成对抗网络的属性编辑模型，利用该数据集的精细标注实现了微笑、发型等属性的高保真变换；多标签分类网络如ML-GCN通过挖掘属性共现关系提升了识别性能。此外，该数据集还催生了面向公平性研究的偏差分析工作，探讨了属性识别模型在不同人口统计学群体中的性能差异问题。