Weltneuheit Und Branchenneuheit: Universität Wuhan Gibt Quellcode-Datensatz Zur Gesichtserkennung Von Masken Frei
Die Universität Wuhan hat den weltweit ersten Datensatz mit durch Masken verdeckten Gesichtern kostenlos zur Verfügung gestellt. Er umfasst fast 100.000 Bilder von echten Gesichtern mit Masken und normalen Gesichtern sowie 500.000 simulierte Bilder von Gesichtern mit Masken.
Während dieser besonderen Zeit des Kampfes gegen die neue Coronavirus-Pneumonie haben Lehrer und Studenten der Wuhan-Universität das Tempo der wissenschaftlichen Forschung nicht gedrosselt.
Anfang März hat das National Multimedia Software Technology Research Center der Universität Wuhan einen speziellen Datensatz zur Gesichtserkennung veröffentlicht:Datensatz „Maske verdecktes Gesicht“:Real-World Masked Face Dataset, abgekürzt RMFD.
Der weltweit erste Datensatz echter Maskengesichter
Während der COVID-19-Epidemie trug fast jeder eine Maske, was die bisherige Gesichtserkennungstechnologie im Grunde wirkungslos machte.Während der Epidemie ist eine Gesichtserkennungstechnologie, die durch Masken verborgene Gesichtsausdrücke erkennen kann, dringend erforderlich geworden.
Am 8. März leitete Professor Wang Zhongyuan vom National Multimedia Software Engineering Technology Research Center der Universität Wuhan ein Team, das umgehend eine Notfallforschung zur Gesichtserkennung mit Masken startete.
Es wird berichtet, dass Professor Wang Zhongyuan ein Team von mehr als zehn Doktoranden, darunter Huang Baojin, Hong Qi und Wu Hao, leitete, um zunächst 360.000 Gesichtsdaten zu sammeln und halbautomatische Hilfsproduktionstools wie Datenbereinigung und -kennzeichnung zu entwickeln.
Datensatz ①: 5000 echte Maskengesichtsdatensätze
Neben der Simulation von MaskengesichtsdatensätzenDas Team erstellte außerdem den weltweit ersten öffentlichen Beispielsatz RMFD zur Erkennung echter Maskengesichter, der 5.000 Maskengesichter von 525 Personen und 90.000 normale Gesichter umfasst.
Datensätze ② und ③: 500.000 simulierte Maskengesichtsdatensätze (einschließlich WebFace-Simulation und LFW-Simulation)
Um die Datenvielfalt zu erweitern, entwickelte das Team gleichzeitig ein präzises Softwareprogramm zum Tragen von Masken.Indem wir den Personen im öffentlichen Datensatz Masken aufs Gesicht legten, erstellten wir einen simulierten Datensatz mit Maskengesichtern, der 10.000 Personen und 500.000 Gesichtern umfasst.
Der Beispielsatz zur Maskengesichtserkennung muss mehrere Gesichtsbilder derselben Person mit und ohne Maske enthalten, was schwierig zu erstellen ist.
Daher hat das Team als Reaktion auf den langen Produktionszyklus von Maskengesichtsmustersätzen einen iterativen technischen F&E-Weg in vier Schritten entwickelt und vier Sätze von F&E-Plänen formuliert, sodass zeitnahe Anpassungen und Auswahlen basierend auf der Probensatzsituation und der Modellleistung vorgenommen werden können.
Derzeit sind die Datensätze zur Gesichtserkennung mit echten Masken und die Datensätze zur Gesichtserkennung mit simulierten Masken der Öffentlichkeit kostenlos zugänglich. Die simulierten Datensätze zur Maskengesichtserkennung umfassen den simulierten Datensatz WebFace und LFW zur Maskengesichtserkennung.
Auf der Grundlage des von ihnen erstellten Datensatzes entwickelte das Team ein Gesichtserkennungsmodell zur Gesichts-Augenbrauen-Okklusion mit einer mehrgranularen Maskenverdeckung.95 % Genauigkeit im Datensatz erreicht.
Datensätze: Beiträge sind willkommen
Um den Datensatz weiter zu erweitern, lädt das Team alle dazu ein, ihre persönliche Sammlung von Maskenbildern an x_zhangyang@whu.edu.cn, und verarbeitet die empfangenen Bilder einheitlich.
Wie können wir den Datensatz jetzt herunterladen und verwenden, nachdem wir ihn haben?
Wie lade ich das herunter?
Datensatz zur Maskengesichtserkennung_Open-Source-Downloadadresse:
https://github.com/X-zhangyang/Real-World-Masked-Face-Dataset
Wie benutzt man?
Wie können wir während der Epidemie maschinelle Lernaufgaben fortsetzen, wenn wir von Schulen und Unternehmen keine Rechenleistung erhalten können?
Der Partner, den wir dieses Mal vorstellen möchten, ist OpenBayes, ein Cloud-Dienst, der Cloud-Rechenleistung für maschinelles Lernen bereitstellt. Sie verfügen über einen großen Supercomputing-Cluster und die GPU-Clusterarchitektur ist speziell für Matrix-Computing konzipiert. Es stellt Rechenleistungscontainer für KI-Anwendungen bereit, ist sehr einfach zu starten und sofort einsatzbereit. Derzeit unterstützen die Containerprodukte von OpenBayes bereits TensorFlow, PyTorch, MXNet und andere CPU- und GPU-Umgebungen, verschiedene Versionen und Typen von Standard-Frameworks für maschinelles Lernen und verschiedene gemeinsame Abhängigkeiten.
Derzeit unterstützt der OpenBayes-Computing-Container Standardbibliothekenund bieten CPU, NVIDIA T4, NVIDIA Tesla V100 und andere RechenressourcenUnabhängig davon, ob es sich um das zentrale Training großer Datenmengen oder den stromsparenden Betrieb von Modellen handelt, können die Benutzeranforderungen problemlos erfüllt werden.
Von CPU über T4 bis V100, eine breite Palette an Computing-Container-Konfigurationen OpenBayes-UnterstützungSkript-Upload und JupyterLab-EditorOnline-Programmierung und anschließend Modelltraining.
Klarer und prägnanter AusführungsprozessVollständiges Tutorial: https://openbayes.com/docs/quickstart/
Registrieren Sie sich als neuer Benutzer und genießen Sie die GPU-Rechenleistung!
openbayes.com besuchen, klicken Sie auf die offizielle Website, um sich sofort zu registrieren. Während der internen Testphase gibt es wöchentliche Geschenke, sodass Sie nicht mit Klassenkameraden und Kollegen um Rechenleistung konkurrieren müssen ~
Der Datensatz kann direkt aus öffentlichen Ressourcen verwendet/heruntergeladen werden. Aktivitätsbeschreibung openbayes.com besuchen Registrieren Sie sich als neuer Benutzer mit dem Einladungscode [HyperAI]Sie können genießen600 Minuten CPU + 300 Minuten NVIDIA T4 pro Woche Kostenlose Rechenleistung~
-- über--