e语言可以做网站吗seo搜论坛

扫描关注下方二维码，回复：人脸年龄，即可免费获取17个年龄数据集的云盘链接！

MORPH、VGG-Face2、UTKFace、SCUT-FBP5500、MegaAge、MegaAge-Asian、LAP、IMDB-WIKI、FairFace、FN_NET、CelebA、CACD、All-Age-Faces、AgeDB_data、Adience、APPA-REAL、AGFW-v2、AFAD Asian Faces Dataset

 

• FG-NET (2002)

地址：https://yanweifu.github.io/FG_NET_data/

简介：FGNet 是一个用于跨年龄的年龄估计和人脸识别的数据集。它由 82 人的 1,002 张图像组成，年龄范围从 0 到 69，年龄差距高达 45 岁。命名规则：078A11.JPG，078人物ID，A为Age简写，11为岁数。

• Adience (2014)

地址：Face Image Project - Data
简介：数据集包括2284个人的26580张图片。其特点为均为真实场景下拍摄（in the wild），照片受到噪声、姿态、光照等影响很大，旨在解决真实世界中的年龄和性别检测问题，网站上同时提供了原始数据和矫正后的人脸。该数据集使用了区间标注的方法，分为了8个区间：(0-2, 4-6, 8-13, 15-20, 25-32, 38-43, 48-53, 60-)。

•  CACD (2014)

地址：Cross-Age Reference Coding for Age-Invariant Face Recognition and Retrieval
简介：收集了2000个名人的163,446张图片，年龄跨度为16 到 62。CACD数据集提供者明确指出，虽然该数据集包含人物年龄信息，但只建议使用此数据集做跨年龄人物检索，不建议使用该数据集来做年龄预估。

• ChaLearn LAP Dataset (2015 / 2016) 

地址：ChaLearn
简介：LAP（Look At People）竞赛于2015和2016举办了两年，两年数据集规模分别为5000和8000（基于官网）。与其他数据集的标签为真实年龄不同，LAP数据集的标签是外观显示年龄（apparent age），标签制定平均了至少10个人的标注结果，所以每张图片的年龄标签都是一个正态分布。LAP数据集在20-40岁的分布相对均匀，在0-15和65-100区间数据集较少。

• IMDB-WIKI (2015)

地址：IMDB-WIKI - 500k+ face images with age and gender labels
简介：IMDB-WIKI数据集来源包括IMDB（一个明星网站）和Wikipedia中的两万个人，图片数量分别为460723和 62328。标注方法是找到某个名人的照片，然后通过照片拍摄年份减其出生年份得到其年龄标签。由于数据集标注过程是自动处理的，故标注质量不高，有很多错误内容。

• AFAD (2016)

地址：https://github.com/afad-dataset/tarball
简介：数据集规模为164432张脸，其中63680张女性、100752男性。年龄段为15-40岁。该数据集的特点是数据几乎全是中国人。该数据的数据来源为人人网，首先爬取人人网上的图片数据并获取相册所有者的年龄，然后使用人力对错误图片进行过滤。本数据年龄分布也不是很均衡，在最年轻和年纪较大的年龄段数据较少（也好理解，因为该年龄使用人人网的人少）。
根据观察，感觉数据集整体标注效果比较准确，但有一些小图片（22*22）看不清楚，且有很多同一个人的图片几乎完全一样。数据集还有一个特点就是图片截取的较小，只留了较少的脸部，发型和颈部都去除了。其实年龄估计和人的发型、身体等也有一定联系，截取太小将无法使用到这些信息。

• MegaAge/MegaAge-Asian (2017)

地址：Quantifying Facial Age by Posterior of Age Comparisons
简介：MegaAge数据集由商汤发布，总数有41941张图片，同一论文提出的MegaAge-Asian包含40000张亚洲人（绝大部分是东亚人）的图片，两个数据集年龄段都是0-70。数据集人脸的原始来源是MegaFace和YFCC。论文中提到，由于MegaAge-Asian的种族相对单一，故同一年龄估计算法MegaAge-Asian上的表现一般要优于MegaAge数据集上的表现。
经观察，MegaAge-Asian标注结果比较精准，提供的图片大小统一为178*218，在保持比例前提下进行了补边操作，数据集包含了明星和普通人的图片。 

• AGE-DB（2017）

地址：i·bug - resources - AgeDB
简介：AgeDB包含16,488个各种名人的图像，如演员，作家，科学家，政治家，每个图像都注明了身份，年龄和性别属性。 共存在568个不同的科目。 每个科目的平均图像数为29。最低和最高年龄分别为1和101。每个科目的平均年龄范围是50.3岁。 

• UTKFace (2017)

地址：UTKFace | Large Scale Face Dataset
简介：UTKFace数据集是一个具有较长年龄跨度（范围从0到116岁）的大型人脸数据集。该数据集包含20,000多张面部图像，其中包含年龄，性别和种族的注释。图像覆盖了姿势，面部表情，光照，遮挡，分辨率等的大变化。该数据集可用于各种任务，例如，面部检测，年龄估计，年龄进展/回归，地标定位等。 

• AGFW-v2（2019）

地址：Automatic Face Aging in Videos via Deep Reinforcement Learning
简介：数据集包含36,299个具有年龄的图像10至64年不等。 然后将其分解为11年龄跨度为5岁的年龄组。 

•  All-Age-Faces Dataset （2019）

地址：GitHub - JingchunCheng/All-Age-Faces-Dataset: All-Age-Faces (AAF) Database.

简介：

全年龄人脸（AAF）数据集包含13'322张人脸图像（主要是亚洲人），分布在所有年龄（从2岁到80岁），包括7381张女性和5941张男性。

原始人脸图像、人脸地标和对齐的人脸图像分别存储在文件夹原始图像、关键点和对齐的人脸中。我们在文件夹示例中展示了地标分布的示例。

每个图像包含一个不同的个体，并被赋予一个唯一的名字（%05dA%02d. jpg），说明个体的序列号和特定年龄。序列号从00000到07380的个体都是女性，从07381到13321的个体都是男性。

该数据集可用于年龄预测和性别分类，为了公平比较，我们将图像随机分成两组，一组用于训练，另一组用于验证，文件夹图像集中的注释文件具有以下格式："%05dA%02d%d\n"，person_id，年龄，性别，其中对于性别，0代表女性，1代表男性。

• FairFace (2020) 

地址：https://github.com/dchen236/FairFace#data

简介：包含 7 个种族，9 个年龄段及性别。

• VGGFACE2

地址：https://www.robots.ox.ac.uk/~vgg/data/vgg_face2/

量级：33w+

标签：年龄+姿态+光照等

特点：量级大，ID多

• APPA-REAL

地址：https://chalearnlap.cvc.uab.cat/dataset/26/description/

简介：APPA-REAL数据库包含7591张图像，以及相关的真实和表观年龄标签。表面上的选票总数约为25万张。平均而言，每张图片大约有38张选票，这使得平均表观年龄非常稳定（平均值的0.3个标准误差）。
这些图像分为4113张列车图像、1500张有效图像和1978张测试图像，分别在train/、valid/和test/文件夹中提供。对于每张图像X.jpg，我们还提供了一个相应的X.jpg_face.jpg，其中包含从Mathias等人的面部检测器获得的裁剪和旋转的面部，边缘为40%(http://markusmathias.bitbucket.org/2014_eccv_face_detection/)在多次旋转中。此外，X.jpg.mat文件提供了关于检测到的面部的元信息。
实际年龄和表观年龄评级在文件gt_train.csv、gt_test.csv和gt_valid.csv中提供，每个评级都有单独的一行。
此外，我们在gt_avg_train.csv、gt_avg-valid.csv和gt_avg_test.csv中提供了每张图像的摘要，显示了评级数量、平均表观年龄、表观年龄的标准偏差和每张图像的实际年龄。表1显示了年龄数据集特征的比较。

• MORPH2 (2006)

地址：http://www.faceaginggroup.com/morph/
简介：MORPH2数据集是目前最流行的年龄估计数据集之一，但该数据集的准确率近年也已趋近饱和。MORPH2也是一个跨时间的数据集，收录了同一个人在不同年龄段的图片。该数据集分为商用和学术用版本，学术用版本包括了13000个人的55134张图片，照片收集时间跨度2003-2007年，人物年龄为16-77岁，平均年龄为33岁。MORPH2数据集除年龄外还记录了人物的其他信息，如性别、种族、是否戴眼镜等。