有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
CACD 跨年龄人脸识别和检索数据集|人脸识别数据集|跨年龄识别数据集
收藏帕依提提2024-03-04 收录
下载链接：
https://www.payititi.com/opendatasets/show-1734.html
下载链接
链接失效反馈资源简介：
CACD 数据集（全称 Cross-Age Celebrity Dataset）是一个用于跨年龄的人脸识别和检索的大规模数据集, 包含来自互联网的 2,000 名名人的 163,446 张图片。 使用名人姓名和年份（2004-2013）从搜索引擎收集图像作为关键字（可以通过简单地从拍摄照片的年份中减去出生年份来估计图像上的名人的年龄）。 该数据集于 2014 年由马里兰大学计算机科学系发布，相关论文为 Cross-Age Reference Coding for Age-Invariant Face Recognition and Retrieval。 目前，人脸识别研究取得了可喜的成果。然而，跨年龄段的人脸识别和检索仍然具有挑战性。与使用具有强参数假设的复杂模型来建模老化过程的现有方法不同，我们使用数据驱动方法来解决这个问题。我们提出了一种新的编码框架，称为跨年龄参考编码（CARC）。通过利用互联网上免费提供的大规模图像数据集作为参考集，CARC能够使用年龄不变的参考空间来编码面部图像的低级特征。在测试阶段，所提出的方法只需要线性投影来对特征进行编码，因此具有高度的可扩展性。为了彻底评估我们的工作，我们引入了一个新的大规模跨年龄人脸识别和检索数据集，称为跨年龄名人数据集（CACD）。该数据集包含2000名年龄在16岁至62岁之间的名人的160000多张照片。据我们所知，它是迄今为止最大的公开跨年龄人脸数据集。实验结果表明，所提出的方法可以在我们的数据集以及用于跨年龄人脸识别的其他广泛使用的数据集（morphi数据集）上实现最先进的性能。 跨年龄名人数据集（CACD）包含163446张来自互联网上2000位名人的照片。这些图片是从搜索引擎收集的，使用名人姓名和年份（2004-2013）作为关键词。因此，我们可以通过简单地从照片拍摄年份减去出生年份来估计照片上名人的年龄。下载的数据集包含两个MATLAB结构： 注意: *我们手动删除排名小于或等于5的名人的嘈杂图像。然而，由于有些图像即使对人类来说也很难识别，数据集可能仍然包含小噪声。此外，我们只使用非常简单的重复检测方法，因此数据集可能仍然包含接近重复的图像。 *其他名人（排名高于五位）的照片将包含噪音，因此不应用于评估。 *该数据集主要用于跨年龄人脸识别和检索。CACD数据集中的年份标签是粗略的，因此我们不建议将其应用于年龄估计工作。 CACD人脸检索性能 在这里，我们报告了使用原始特征（高维LBP）和所提出的方法（CARC）对具有三个不同子集的人脸检索的结果。在所有三个子集中，2013年拍摄的图像被用作查询图像。该数据库包含分别在2004-2006年、2007-2009年和2010-2012年拍摄的三个子集的图像。所有三个子集仅包含排名从3到5的名人的图像。 1. D.Chen,X.Cao,F.Wen,andJ.Sun,“Blessingofdimensionality:High- dimensional feature and its efficient compression for face verification,” in IEEE Conf. Computer Vision and Pattern Recognition, 2013, pp. 3025– 3032. 2. D. Gong, Z. Li, D. Lin, J. Liu, and X. Tang, “Hidden factor analysis for age invariant face recognition,” in IEEE Int. Conf. Computer Vision, 2013. 3. Chen, Bor-Chun, Chu-Song Chen, and Winston H. Hsu. "Face recognition and retrieval using cross-age reference coding with cross-age celebrity dataset." IEEE Transactions on Multimedia 17.6 (2015): 804-815. 4. Wen, Yandong, Zhifeng Li, and Yu Qiao. "Latent factor guided convolutional neural networks for age-invariant face recognition." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016. If you use our dataset and would like to report your results, please e-mail Sirius Chen. We will be gald to put your results on this webstie. For cross-age reference coding (CARC) code use in this paper, please visit [here] We also implemented the high-dimensional LBP features (Chen, Cao, Wen, and Sun, CVPR 2013), please visit [here] for more information.
提供机构：
帕依提提
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
PDT Dataset
PDT数据集是由山东计算机科学中心（国家超级计算济南中心）和齐鲁工业大学（山东省科学院）联合开发的无人机目标检测数据集，专门用于检测树木病虫害。该数据集包含高分辨率和低分辨率两种版本，共计5775张图像，涵盖了健康和受病虫害影响的松树图像。数据集的创建过程包括实地采集、数据预处理和人工标注，旨在为无人机在农业中的精准喷洒提供高精度的目标检测支持。PDT数据集的应用领域主要集中在农业无人机技术，旨在提高无人机在植物保护中的目标识别精度，解决传统检测模型在实际应用中的不足。
arXiv 收录
UAVDT Dataset
The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.
datasetninja.com 收录
HazyDet
HazyDet是由解放军工程大学等机构创建的一个大规模数据集，专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例，收集自自然雾霾环境和正常场景中人工添加的雾霾效果，以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型，确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测，旨在提高无人机在复杂环境中的感知能力。
arXiv 收录
CODrone
CODrone 是一个为无人机设计的全面定向目标检测数据集，它准确反映了真实世界条件。该数据集包含来自多个城市在不同光照条件下的广泛标注图像，增强了基准的逼真度。CODrone 包含超过 10,000 张高分辨率图像，捕获自五个城市的真实无人机飞行，涵盖了各种城市和工业环境，包括港口和码头。为了提高鲁棒性和泛化能力，它包括在正常光线、低光和夜间条件下相同场景的图像。我们采用了三种飞行高度和两种常用的相机角度，从而产生了六个不同的视角配置。所有图像都针对 12 个常见对象类别进行了定向边界框标注，总计超过 590,000 个标记实例。总体而言，这项工作构建了一个综合数据集和基准，用于城市无人机场景中的定向目标检测，旨在满足该领域的研究和实践应用需求。
arXiv 收录
danaroth/whu_hi
WHU-Hi数据集（武汉无人机载高光谱图像）由武汉大学RSIDEA研究组收集和共享，可作为精确作物分类和高光谱图像分类研究的基准数据集。该数据集包含三个独立的无人机载高光谱数据集：WHU-Hi-LongKou、WHU-Hi-HanChuan和WHU-Hi-HongHu，均在中国湖北省的农业区域采集。这些数据集通过安装在无人机平台上的Headwall Nano-Hyperspec传感器获取，具有高空间分辨率（H2图像）。数据集预处理包括辐射校准和几何校正，使用仪器制造商提供的HyperSpec软件进行处理。每个数据集都包含了详细的采集时间、天气条件、传感器信息、飞行高度、图像尺寸、波段数量和空间分辨率等信息，并提供了不同作物类别的样本数量。
hugging_face 收录