-
Notifications
You must be signed in to change notification settings - Fork 197
Home
常见的几种关键点数据集有 5关键点、21关键点、68关键点、98关键点等。还有一些超过100个关键点的数据集，这些数据集具有商业价值等原因，所以一般都不会公开。
| 数据集 | 介绍 | 链接 |
|---|---|---|
| 300W ✌️ | 共600张图片（300室内，300室外），68关键点 | https://ibug.doc.ic.ac.uk/resources/300-W/ |
| XM2VTS | 2360张正面图，68关键点 | http://www.ee.surrey.ac.uk/CVSSP/xm2vtsdb/ |
| LFPW | 1432张图片，29关键点 | https://neerajkumar.org/projects/face-parts/ |
| HELEN | 2000张训练集，330张测试集 | http://www.ifp.illinois.edu/~vuongle2/helen/ |
| IBUG | 135张图片 | https://ibug.doc.ic.ac.uk/resources/facial-point-annotations/ |
| AFLW ✌️ | 20000张训练，4386张测试，21个关键点 | |
| FRGC V2 | 50000张训练，4003张测试 | |
| WFLW ✌️ | 7500张训练，2500张测试，98关键点 | https://wywu.github.io/projects/LAB/WFLW.html |
| LS3D-W | 包含 AFLW, 300VW, 300W and FDDB, 自动标记 68 关键点 | https://adrianbulat.com/face-alignment |
| Lapa | 106 关键点个关键点 | https://github.com/JDAI-CV/lapa-dataset |
20000张训练，4386张测试，21个关键点。其中20000个用于训练，4386张用于测试。
WFLW 提供了98关键点标记，共一万张图片。其中7500张用于训练，2500张用于测试。98关键点数据集直接下载WFLW数据集就好，这是由商汤提供的。里面除了关键点外，还对姿态、表情、照度、化妆、遮挡、模糊等信息进行标注。
一些数据集的混合: AFW, HELEN, LFPW, IBUG, XM2VTS, FRGC V2. 每个图片68个关键点。因为不同的数据集标注的关键点个数不一样，所以300W挑战赛对上面的部分数据集重新标注为68个landmarks。
- AFW, HELEN, LFPW, IBUG这个几个数据集重新标注， 里面包含图片和关键点标注文件。 下载地址为：https://ibug.doc.ic.ac.uk/resources/facial-point-annotations/
- XM2VTS, FRGC V2 数据集的关键点也被重新标记，关键点坐标文件也在这个链接里面，但是图片得另外下载，貌似得注册申请才能拿到这两个数据集的图片。
包含超过 22,000 张， 被标记了 106 点的 landmark
-
LAB
机构: 商汤 & 清华 主干网络：hourglass -
PFLD
机构: 天津大学 & 武大 主干网络：mobilenet 精简网络 -
HRNet ficial Landmak
机构：微软 主干网络：HRNet -
FAN 主干网络：hourglass
-
Wing loss
机构 : 萨里大学 主干网络：cnn6/cnn7 -
Adaptive Wing Loss
机构: JD Digits 主干网络：hourglass -
Fractional Heatmap Regression
机构: 腾讯优图 主干网络：hourglass
三篇最近的论文， 在 landmark 中 引入了图网络：
- Deep structured prediction for facial landmark detection
https://github.com/lisha-chen/Deep-structured-facial-landmark-detection - Learning Robust Facial Landmark Detection via Hierarchical Structured Ensemble
- Structured Landmark Detection via Topology-Adapting Deep Graph Learning
工程实践的两篇文章：