Caras etiquetadas en el salvaje-a (LFW-a)

La colección de imágenes "Rostros etiquetados en la naturaleza-a" es una base de datos de imágenes de

rostros etiquetados destinados a estudiar el reconocimiento de rostros en imágenes sin restricciones.
Contiene las mismas imágenes disponibles en el conjunto de datos original de Caras etiquetadas en la
naturaleza, sin embargo, aquí las proporcionamos después de la alineación utilizando un software
comercial de alineación facial.

Algunos de nuestros resultados, publicados en [1, 2, 3], se produjeron utilizando estas imágenes.
Mostramos esta alineación para mejorar el rendimiento de los algoritmos de reconocimiento facial.
Puede encontrar más información sobre cómo se alinearon estas imágenes en los dos documentos.

Hemos mantenido la misma estructura de directorio que en el conjunto de datos LFW original, por lo
que estas imágenes se pueden usar como sustitutos directos de las del conjunto de imágenes original.
Sin embargo, tenga en cuenta que las imágenes disponibles aquí son versiones en escala de grises de los
originales.

Dos imágenes alineadas utilizando la técnica de canalización de Huang, Jain y Learned-Miller (a la

izquierda) y el sistema comercial de alineación basado en puntos fiduciales. Las desalineaciones en el
par de la izquierda son visibles cuando se comparan las posiciones de la boca y los ojos con los
marcadores. Estas desalineaciones se eliminan en el par de la derecha. Nota: Los marcadores que se
muestran aquí no son parte del sistema de alineación, y solo están destinados a demostrar
desalineaciones.

Gran verificación de la cara de la brecha de edad

Este documento presenta un nuevo método para la verificación de rostros a través de grandes brechas de
edad y también un conjunto de datos que contiene variaciones de edad en la naturaleza, el conjunto de
datos Large Age-Gap (LAG), con imágenes que van desde niños / jóvenes hasta adultos / viejos. El
método propuesto explota una red neuronal convolucional profunda (DCNN) pre-entrenada para la tarea
de reconocimiento de rostros en un gran conjunto de datos y luego ajustada para la tarea de verificación
de rostros de gran diferencia de edad. La sintonización se realiza en una arquitectura siamesa utilizando
una función de pérdida de contraste. Se introduce una capa de inyección de características para
aumentar la precisión de la verificación, que muestra la capacidad del DCNN para aprender una métrica
de similitud que aprovecha las características externas. Los resultados experimentales en el conjunto de
datos LAG muestran que nuestro método es capaz de superar las soluciones de verificación facial en el
estado del arte considerado.

SCfaceDB
La base de datos se compone de 21 puntos de referencia faciales (de 4,160 imágenes faciales) de 130
usuarios anotados manualmente por un operador humano.

Los 21 puntos de referencia faciales se almacenan en un archivo .pos. Después de cargar cada archivo,
una matriz de dimensiones 21 por 2 tiene las coordenadas (x, y) de cada punto de referencia facial. Vea
la figura a la derecha para verificar los puntos de referencia faciales dados.