Facenet 训练LFW数据的权重文件

lfw人脸识别数据集，包括lfw_align_112，lfw_align_112_fr，img_list1.txt，lfw_align_112_pairs.txt ，lfw_align_112.list。

Labeled Faces in the Wild,官网下载，比较大173M,分成四份,共13，233幅图像，其中5749个人，其中1680人有两幅及以上的图像，4069人只有一幅图像。图像为250*250大小的JPEG格式。

人脸识别领域经典数据集LFW数据集，包含13234张人脸图像

lfw数据集以及resnet50训练人脸识别

LFW数据集主要测试人脸识别的准确率，该数据库从中随机选择了6000对人脸组成了人脸辨识图片对，其中3000对属于同一个人2张人脸照片，3000对属于不同的人每人1张人脸照片。测试过程LFW给出一对照片，询问测试中的系统两张照片是不是同一个人，系统给出“是”或“否”的答案。通过6000对人脸测试结果的系统答案与真实答案的比值可以得到人脸识别准确率。 这个集合被广泛应用于评价 face verification算法的性能。

LFW 人脸识别 pairs.txt

如果本地上传失败一般应该是数据集不全，下载本数据源可以解决 from sklearn.datasets import fetch_lfw_people faces = fetch_lfw_people() 执行上面的第二行程序，python会从网上下载labeled_face_wild people数据集，这个数据集大概200M，因为墙的原因下载很慢失败。 下载解压，指定data_home路径：D:\pythonwork\Data\SVM\scikit_learn_data\lfw_home（我的路径）即可。

图像矩阵matlab代码LFW_API 设计师：赵俊波，武汉大学，在清华大学智能图像和文档处理国家实验室工作。 联络电话： + 86-18672365683 介绍 为了更好地在Wild Benchmark中使用Labeled Faces，我提供了三个版本的代码，即C ++，python和Octave。 限制和不受限制的配置均已实现。 以“ unrest”命名的文件用于不受限制的配置，而具有“ rest”的文件则针对受限制的配置。 C ++版本 本征 Eigen是用于线性代数的C ++模板库：矩阵，向量，数值解算器和相关算法。 您应按照本教程安装Eigen： 我们的输入和输出特征矩阵都是使用Eigen :: MatrixXd或Eigen :: VectorXd构造的。 在项目上安装Eigen之后，您可以像在Matlab中一样简单地编写矩阵！ 开始吧 请注意，首先应在LFW中提取图像上的特征，然后将特征构建为“ dict”类的堆栈，其中包括考虑每个人的姓名，其图像编号和该人的提取特征矩阵。 您可以看到如何在两个.cpp文件中构造此类。 此外，您可以将要素矩阵设为行顺序或列顺序。 行排序矩阵

人脸数据库。包括中科院人脸数据库、lfw、Yale-B、FERET和CMU的。资源太大无法上传。下载文件为百度云链接和密码。