这个数据集由500个identity的约共7000张图片组成，这个数据集的特别之处在于对于每个人，它有10张正面图像和4张侧面图像，这对于想要做侧脸识别的同学还是很有帮助的。侧脸识别差的原因可以说是现在的数据集基本基于正脸，而深度学习的特征太依赖于数据集了。现在处理侧脸的方法一般是3D人脸特征点检测或者生成模型，这些方都比较消耗资源，而且暂时没法很好的处理特别侧脸的情况。另一种办法是分开训练对应正脸和侧脸的模型，这一方面也会很消耗计算机资源。在深度特征层的转化可以在不增加过多参数量的情况下实现将侧脸特征映射为正脸的功能，而类似于GAN的转化一般是基于整张图像的，会更加消耗资源，而对特征向量的转化相对来说资源消耗会小的多。用GAN来可视化人脸特征转化后的效果还是蛮不错的。

celeba数据集 官网：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

Labeled Faces in the Wild是一个面部照片数据库，专为研究无约束人脸识别问题而设计。该数据集包含从网络收集的13,000多张面部图像。每张脸都标有图中人物的名字。图中的1680人在数据集中有两张或更多不同的照片。该数据集是在互联网上收集的着名人物的JPEG图片的集合。所有详细信息均可在官方网站上获得：http：//vis-www.cs.umass.edu/lfw/，每张照片都以一张脸为中心。每个通道的每个像素（RGB中的颜色）由浮点范围0.0-1.0编码。该任务称为面部识别（或识别）：给定面部图片，找到给定训练集（图库）的人的姓名。原始图像为250 x 250像素，但默认切片和调整大小参数会将它们减少到62 x 47。

基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化 可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT 基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化 可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT 基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化 可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT 基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化 可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT 基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化 可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT

基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注工具 基于YOLOv5的智能人脸数据标注

使用opencv3.1中自带训练引擎，人脸识别数据集，里面包含一个自动获取文件名字并生成对应文本的C++程序

使用代码打开摄像头并将图像显示在自己设计的UI界面上，添加时间和日期组件，在界面显示实时日期和时间。

生成对抗网络，卡通人脸数据集

使用OpenCv检测用户人脸（支持内置、外置摄像头两种模式），检测到人脸信息后即可采集人来数据，填写用户信息，将采集到的数据集存储到数据库中。 代码说明：Python+OpenCv实现AI人脸识别身份认证系统(1)——人脸识别原理

这个数据集由500个identity的约共7000张图片组成，这个数据集的特别之处在于对于每个人，它有10张正面图像和4张侧面图像，这对于想要做侧脸识别的同学还是很有帮助的