MegaFace评估和绘图 如果您对评估/挑战有任何疑问，请参考。 评估 下载Megaface （ 或 ），并将其解压缩/解压缩到./devkit。 根据运行评估。 绘制结果 下载一些，并将其解压缩到devkit / Challenge1External;中。 对于图测试，运行： cd plot_results python plot_megaface_results.py 要绘制自己的评估结果，请在结果的路径中更改“ method_dirs”，并在设置相应的“ method_labels”，然后运行脚本。

http://megaface.cs.washington.edu/dataset/download/content/MegaFace_dataset.tar.gz 下载网址: 65G

megaface数据集包括两部分：拥有100万张人脸 和 具有400多万张图片两个数据集。100万人脸用于人脸识别，是当前人脸识别最大的数据集

资源包括megaface数据集(112*112)以及测试用到的devkit工具包

FaceX-Zoo FaceX-Zoo是用于面部识别的PyTorch工具箱。 它提供了一个培训模块，该模块具有各种管理负责人和骨干，以实现最新的人脸识别，还提供了标准化的评估模块，该模块可以通过编辑简单的配置，就大多数流行的基准测试中的模型进行评估。 另外，还提供了一个简单但功能齐全的人脸SDK，用于验证模型的验证和主要应用。 我们没有包括尽可能多的现有技术，而是使FaceX-Zoo能够轻松升级和扩展与面部相关领域的发展。 请参阅以获取有关此项目的更多详细信息。 关于名字： “人脸”-此回购主要用于人脸识别。 “ X”-我们还旨在提供面部识别以外的功能，例如面部分析，面部闪电。 “ Zoo”-此仓库中包含很多算法和模型。 什么是新的 [3月。 2021年] 已添加到主干中。 [2月。 2021年]支持通过混合精度训练。 请检查 [Jan。 2021年]，我们提交了FaceX-