经典的ORL人脸数据集，40个人每人10张，总计400张，格式为.bmp，opencv可直接读取。已分好类，图像路径格式为 ./AR/si/j.bmp。图像清晰，分辨率为92x112

face_recognition 项目名称为：自建数据集人脸识别。该项目利用电脑自带摄像头或者已有照片进行人脸数据集建立，再进行人脸检测，人脸识别，人脸预测，包括数据采集、数据预处理、建模、模型训练、模型使用预测全过程。项目使用Openc3进行数据采集、数据预处理，Keras 进行建模，模型参考了VGG16网络，包含4个卷积层，5个LeRu层，2个池化层，3个Dropout层，2个全连接层，1个flatten层，1个分类层，共18层。 更多内容，请看代码中的 read_me.pdf ！

CelebAMask-HQ CelebAMask-HQ是一个大规模的面部图像数据集，通过遵循CelebA-HQ从CelebA数据集中选择了30,000张高分辨率面部图像。 每个图像具有对应于CelebA的面部属性的分割蒙版。 CelebAMask-HQ口罩采用512 x 512尺寸手动注释，分为19类，包括所有面部组件和配件，例如皮肤，鼻子，眼睛，眉毛，耳朵，嘴巴，嘴唇，头发，帽子，眼镜，耳环，项链，脖子和布。 CelebAMask-HQ可用于训练和评估人脸解析，人脸识别以及用于人脸生成和编辑的GAN的算法。 如果您需要图像的身份标签和属性标签，请向发送请求。 交互式人脸图像处理演示 样本图片 CelebAMask-HQ的人脸操纵模型 CelebAMask-HQ可用于多个研究领域，包括：面部图像处理，面部分析，面部识别和面部幻觉。 下面展示了一个关于交互式面部图像处理的应用程

人脸数据集，数据集里有 40 个人，每个都有 10 张照片，分别存储在 40 个文件夹里，s1-s40，每个文件夹下面都有 10 张 .pgm 照片，每张照片的尺寸 112*92（长 * 宽）。

基于CNN卷积神经网络，对Olivetti人脸数据集，实现了小型人脸识别项目，准确率达到85%。 # train_data: 320张，57*47， train_label:320个，1*40 # valid_data: 40张，57*47 ， valid_label:40个，1*40 # test_data: 40张，57*47 ， test_label:40个，1*40

CAS-PEAL是中科院计算技术研究所在2003年完成的包含1040位志愿者的工99450幅人脸图片的数据库。该数据库涵盖了姿态、表情、装饰、光照、背景、距离和时间等特征的变化。http://www.jdl.ac.cn/peal/download.html 资源为其中的光照子集，2243张灰度图

最全人脸数据集，包含ORL数据集、AR数据集、LFW数据集、亚洲人脸数据集facev5、face_160数据集，处理好的160x160格式，以及64x64格式数据集，可供人脸识别使用。

经典的FERET人脸数据集，200人，每人7张，已分类，灰度图，80x80像素。 第1幅为标准无变化图像，第2、5幅为大幅度姿态变化图像，第3、4幅为小幅度姿态变化图像。第7幅为光照变化图像。

cbsr-nir红外人脸数据集，对于做双目活体人脸检测方面很有用，国内服务器下载很困难，仅用于学习交流

网红人脸数据集，图片均爬自公开互联网，包含标清（256px），高清（512px），和超清（1024px）共三种版本的数据集，其中标清和高清版数据集含有136732张图片，超清版数据集含有105213张图片。