野生家园中的标签脸
人脸验证和其他形式的人脸识别非常 不同的问题。 例如，很难推断 从验证性能到1:N性能 认可。 许多团体在LFW中没有得到很好的代表。 例如，那里 很少有孩子，没有婴儿，很少有80岁以上的人， 女性比例相对较小。 此外，许多 种族代表性很小或根本没有。 虽然理论上LFW可用于评估 某些子组，数据库没有足够的数据 关于亚组的强大统计结论。 简单地说，LFW是 不足以提供证据证明 软件已经过彻底测试。 附加条件，如光线差、姿势极端、， 强闭塞、低分辨率和其他重要因素 构成LFW的主要部分。 这些都是 评估，尤其是设计用于识别图像的算法 野外”。
按名字字母顺序排列：
[答：] 【阿尔夫】 [Ang） [B） [纸盒） [中] [切] [列） 【D】 [道夫] 【唐】 [英] [埃里] [女] 【G】 [前进） 【H】 [一] [日本] [雅各布] 【杰斯】 [乔] 【乔斯】 【K】 [金） [左] [里尔） 【M】 [标记） [梅尔） [米克） 【N】 【O】 【P】 [每） 【Q】 [右] [Ric） [罗格） 【S】 【沙】 [史蒂夫） 【T】 [提姆） [美] 【V） [西] 【X】 [年] [Z） 按名字字母顺序排列，只有拥有多个图像的人：
[答] 【B】 [中] 【D】 [英] [女] 【G】 【H】 [我] [日本] 【K】 【L】 [男] 【N】 【O】 【P】 [问] 【右】 【S】 【T】 [美] 【V】 [西] 【X】 [是] 【Z】 按姓氏字母顺序排列：
[答] 【B】 [中] 【D】 [英] [女] 【G】 【H】 [我] [日本] 【K】 【L】 [男] 【N】 【O】 【P】 [问] 【右】 【S】 【T】 [美] 【V】 [西] 【X】 [是] 【Z】 按每人的图像数量：
[1a-E] [1 F-J] [1千欧] [1个P-T] [1 U-Z] [2] [3] [4] [5] [6-10] [11+] 所有名称的单页（无缩略图）
所有图像均为gzipped tar文件 （173MB，md5sum a17d05bd522c52d84eca14327a23d494）
[新增] 所有图像均与深漏斗对齐 （111MB，md5sum 68331da3eb755a505a502b5aacb3c201）
看见 此处供论文引用 .
所有图像均与漏斗对齐 （233MB，md5sum 1b42dfed7d15c9b2dd63d5e5840c86ad）
看见 此处供论文引用 .
使用商业面部对齐软件对齐的所有图像 （LFW-a-泰格曼、沃尔夫、哈斯纳） 另请参见下的LFW3D（正面化的LFW图像） LFW资源 如下所示。 超像素分割： 要下载LFW属性值（用于面部验证的属性和Simile分类器，Kumar等人），请参见 结果页面上的相关部分 . 图像子集-姓名以A开头的人 （14百万）
作为zip文件 图像子集-George_W_Bush （个人拥有最多图像）（6.9MB）
作为zip文件 所有名称（具有给定名称的图像数量）作为文本文件 自述文件 -有关文件格式和目录结构的信息
培训、验证和测试： -
视图1： 出于开发目的，我们建议使用以下 培训/测试拆分，随机独立生成 用于10倍交叉验证的拆分，以避免不公平 在开发过程中对上述集合进行过拟合。 例如，这些 集合可以被视为模型选择集和验证集。 请参见 有关更多详细信息，请参阅下面的技术报告。 浏览设置： [培训] [测试] 下载集合： 对DevTrain.txt , 对开发测试.txt , 人员开发培训.txt , 人员开发测试.txt 视图2： 作为比较基准，我们建议将绩效报告为 使用我们随机生成的分割进行10倍交叉验证。 浏览设置： [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] 下载集合： 对.txt , 人物.txt
有关文件格式的信息，请参阅上面的自述文件。 有关如何创建集合的详细信息，请参阅下面的技术报告。
13233张图片 5749人 1680人拥有两张或多张图片
勘误表： 以下是LFW中已知错误的列表。 由于规模较小 此类错误的数量，数据库将保持原样（没有 更正）以避免混淆。 数据库用户提供他们的算法很重要 使用数据库 照原样 ，即不更正以下错误，因为之前的结果已发布 因为数据库没有纠正这些错误的优势。 目前，视图中有六个标记错误的匹配对 2.虽然我们认为这不会对 准确度，我们鼓励研究人员在以下情况下注意这些错误 产生任何可视化效果（例如，最自信的配对 预测为不匹配，因为匹配的对实际上可能是 不匹配）。
视图2中当前已知的错误为：
折叠1： 
Janica Kostelic公司 ，1 
Janica Kostelic公司 ，第2页 折叠1： 
诺拉·本迪乔 ，1 
诺拉·本迪乔 ，第2页 折叠1： 
玛莎·鲍文 ，1 
玛莎·鲍文 ，第2页 折叠5： 
吉姆·奥布莱恩 ，1 
吉姆·奥布莱恩 ，第2页 折叠5： 吉姆·奥布莱恩 ，1 
吉姆·奥布莱恩 , 3 折叠5： 
伊丽莎白·舒马赫 ，1 
伊丽莎白·舒马赫 ，第2页 折叠7： 
黛布拉·梅辛 ，1 
黛布拉·梅辛 ，第2页 关于所有错误的详细信息如下所示。 注：除非下文另有说明，否则匹配对中的任何错误都将 意味着标签（“匹配”）是错误的。 不匹配项中的任何错误 这对搭档，即使是身份错误的人，通常也会 正确（“不匹配”的标签仍然正确）。
Recep_Tayyip_埃尔多安 _0004 不正确（这是阿卜杜拉·居尔的形象）：
此图像仅出现在 视图1： 
雷杰普·塔伊普·埃尔多安 ，第2页 雷杰普·塔伊普·埃尔多安 , 4 安贾·佩尔森 _0001 不正确（这是Janica Kostelic的图像）：
无论在哪种视图中，此图像都不会出现在匹配或不匹配的对中。 Janica_Kostelic公司 _0001 不正确（这是Anja Paerson的图像）：
此图像出现在视图1的测试集中的一对匹配图像中， 以及相同的匹配对和一个不匹配对（ Don_Carcieri_0001），见视图2第1页： Janica Kostelic公司 ，1 Janica Kostelic公司 ，第2页 Bart_Hendricks酒吧 _0001 不正确（它是Ricky_Ray_0001的重复图像）：
此图像出现在 视图1和视图2的折叠2中的一对不匹配。 （没有 与Ricky_Ray不匹配的对。） Carlos_Beltran公司 _0001 不正确（它是Raul_Ibanez_0001的重复图像）：
此图像出现在View测试集中的一对不匹配的图像中 1和视图2中折叠5中的一对不匹配。 （没有 与Raul_Ibanez不匹配的对。） Emmy_Rossum公司 _0001 不正确（它是Eva_Amurri_0001的重复图像）：
此图像显示在View的测试集中一对不匹配的图像中 1（不匹配的配对不与Eva_Amurri匹配）。 迈克尔·舒马赫 _0008 不正确（这是鲁本·巴里切罗的照片）：
此图像不会出现在匹配或不匹配的对中 任一视图。 马哈茂德·阿巴斯 _0012 不正确（这是哈马德·本·伊萨·阿勒哈利法的图像）：
此图像不会出现在匹配或不匹配的对中 任一视图。 吉姆奥布莱恩 包含两个不同的人。 具体来说，Jim_OBrien_0001是一个 与Jim_OBrien_0002、Jim_OBrien_0003不同的人。 这会导致两个匹配对中出现错误（0001与0002；0001 0003），显示在视图1的训练集和视图2的折叠5中： 吉姆·奥布莱恩 ，1 吉姆·奥布莱恩 ，第2页 吉姆·奥布莱恩 ，1 吉姆·奥布莱恩 , 3 约翰·格鲁登 _0001 是拼写错误的 乔恩·格鲁登 .
此图像出现在视图2第3页中的一对不匹配的图像中（与Jon_Gruden无关）。 伊丽莎白_舒马赫 包含 两个不同的人，其中Elisabeth_Schumacher_0001的正确拼写实际上是Elizabeth Schumacher。 这导致视图1的测试集和视图2的折叠5中的匹配对不正确。 伊丽莎白·舒马赫 ，1 伊丽莎白·舒马赫 ，第2页 安德鲁·吉利根 _0001 实际上是 安德鲁·考德科特 .
此图像出现在视图1的训练集中和视图2的折叠1中的一对不匹配的图像中（与Andrew_Caldecott都不匹配）。 诺拉·本迪约 _0002 实际上是 弗洛尔·蒙图洛 、和 弗洛·蒙图洛 _0002 实际上是 诺拉·本迪约
诺拉·本迪乔 ，1 正确的标签 诺拉·本迪乔 ，第2页 实际上是弗洛尔·蒙图洛 
弗洛尔·蒙图洛 ，1 正确的标签 
弗洛尔·蒙图洛 ，第2页 实际上是Nora Bendijo Nora_Bendijo_0002出现在视图2第1页的不正确匹配对中。 Flor_Montulo_0002出现在视图1的测试集中的不正确匹配对中，以及视图2的折叠1中的不匹配对中，但没有 诺拉·本迪约。 王英凡 和 英凡_旺 都是同一个人。 这两个名字永远不会在一起 不匹配的对。 王_男 和 南望 都是同一个人。 这两个名字在 不匹配的配对。 塔利萨·布拉特 和 Talisa_索托 都是同一个人。
这些图像永远不会出现在一对不匹配的图像中。
Shinya_山口 _0001 实际上是 塔基罗·莫里 .
这张图片从未与Takahiro_Mori的图片出现在不匹配的配对中。 宋洪川 _0001 是的图像 Choi_Sung-hong（选择_空） .
此图像从未出现在与Choi_Sung-hong图像不匹配的对中。 玛莎·伯恩 _0002 实际上是 加布里埃尔_罗斯 .
此图像从未出现在与以下图像不匹配的对中 加布里埃尔_罗斯。 然而，不正确的匹配对 Martha_Bowen_0001、Martha_ Bowen 0002确实出现在视图1的训练集和视图2的折叠1中。 以下是正确的标签： 塔马拉_莫利 _0001, 蒂亚莫利（_M） _0001（双胞胎）。
然而，这些图像从来不会以不匹配的一对出现在一起。 卡洛斯·卢卡夫 _0001 是的图像 爱德华多·杜哈尔德 .
此图像从未与Eduardo_Duhalde的图像出现在不匹配的对中。 克莱尔·亨岑 _0001, 0002 是的图像 摩根_亨岑 .
这些图像从未与Morgan_Huntzen的图像出现在不匹配的对中。 碎屑_会议 _0002 不正确（这实际上是Ruve Robertson的照片，他没有出现在数据库中）。
此图像出现在视图2第7页中的一对匹配图像中。
参考： 请引用为：
加里·B·黄 马努·拉梅什， 塔玛拉·伯格 、和 埃里克·勒恩德·米勒 .
野外标记人脸：研究无约束环境中人脸识别的数据库。
马萨诸塞大学阿默斯特分校，技术报告07-49 2007年10月。
【pdf】 BibTeX条目： @技术报告{LFWTech， author={加里·B·黄（Gary B.Huang）、马努·拉梅什（Manu Ramesh）和塔玛拉·伯格（Tamara Berg） Erik Learnd-Miller}， title={野外有标签的脸：一个用于研究的数据库 无约束环境下的人脸识别}， institution={马萨诸塞大学阿默斯特分校}， 年份=2007， 数字={07-49}， 月={十月}} 加里·B·黄 和 埃里克·勒恩德·米勒 .
野生的标签脸：更新和新的报告程序。
马萨诸塞大学阿默斯特分校，技术报告UM-CS-2014-003 2014年5月。
[pdf格式]
@技术报告{LFWTechUpdate， author={加里·B·黄·埃里克·勒德-米勒}， title={野生标签脸：更新和新报告 程序}， institution={马萨诸塞大学阿默斯特分校}， 年份=2014， 编号={UM-CS-2014-003}， 月={五月}} LFW调查文件 Erik Learnd-Miller、Gary B.Huang、Aruni RoyChowdhury、Haoxiang Li和Gang Hua。
野外有标签的脸：一项调查。 在 人脸检测和人脸图像分析的进展 由Michal Kawulok、M.Emre Celebi和Bogdan Smolka，Springer编辑，第189-248页，2016年。 [ Springer页面 ] [ 草稿pdf ]
LFW漏斗图像 如果您使用通过漏斗排列的LFW图像，请引用： Gary B.Huang， 视频 耆那教 、和 埃里克 学习型米勒 .
无监督 复杂图像的联合对齐 .
国际计算机视觉会议 , 2007
@会议记录{黄2007a， author={加里·B·黄、维迪特·贾恩和埃里克·勒德米勒}， title={复杂图像的无监督联合对齐}， booktitle={ICCV}， 年份={2007} } LFW深漏斗图像 如果您使用通过深漏斗对齐的LFW图像，请引用： Gary B.Huang， 马尔万 玛达 , 洪拉克 李 、和 埃里克 学习型米勒 .
学习 从头开始对齐 .
神经信息处理系统（NIPS）的进展 , 2012. @诉讼程序{Huang 2012a， author={加里·B·黄（Gary B.Huang）、马尔万·马塔尔（Marwan Mattar）和洪拉克·李（Honglak Lee） Erik Learnd-Miller}， title={从头开始学习对齐}， booktitle={NIPS}， 年份={2012} }
资源： 收集的LFW相关资源：
注意：我们尚未验证代码的准确性或可靠性 和以下链接的数据； 我们只是将其作为 方便。 请自行判断 下面的资源。
细粒LFW（FGLFW） “常见的人脸验证地址主要是大型类内地址 变化，例如姿势、照明和表情。 之后 检查LFW数据库，可以确定一个主要限制因素 针对其不受约束的人脸验证任务：几乎所有的负面信息 脸对很容易区分。 因此，通过其 自然是一个问题，其中许多例子都很容易用大 类间差异，因为LFW数据库的集合基于 基于随机冒名顶替攻击的假设。 为了实际使用， 然而，一个绝望的冒名顶替者可能会试图欺骗 通过寻找相貌相似的人来获得真正的用户。 要模拟此 蓄意冒充攻击，我们构建了FGLFW数据库 在原稿中故意选择3000张相似的脸对 人类众包图像文件夹替代随机负片 LFW中的对。 "
LFW性别标签
手动验证LFW性别 标签 ，来自： 阿卜杜勒拉赫曼·马哈茂德·阿菲菲 阿卜杜勒哈米德。 AFIF4：深 基于AdaBoost融合的性别分类 面部特征和模糊面部 , 2017. “为了根据性别标记图像，我们使用了属性 Kumar等人提出的值[1]。 然后，我们使用genderize.io 根据每张人脸图像的名字来估计性别的API 在LFW中。 最后，我们手动审查了每一类男性和 女性图像三次，彻底消除任何错误 标签。 [1] N.Kumar、A.Berg、P.N.Belhumeur、S.Nayar，《视觉描述》 人脸验证和图像搜索属性，IEEE事务 关于模式分析和机器智能33（10）（2011） 1962–1977."
LFW性别 “根据标签中每个图像的名称获取已知性别 Wild数据集中的面。 这是一个python脚本，它调用 genderize.io API，带有图像中人物的名字。 "
CASIA公司 WebFace数据库 “虽然有许多开源软件 CNN的实现，没有大规模的人脸数据集是公开的 可用。 人脸识别领域的现状是 数据比算法更重要。 为了解决这个问题，我们 提出一种半自动的方式从互联网上收集人脸图像 并建立包含10575个主题和494414个主题的大规模数据集 图像，称为CASIA-WebFace。 据我们所知 该数据集在文献中排名第二，仅小于 Facebook的私有数据集（SCF）。 我们鼓励这些数据消费 此数据集的方法培训和报告性能 LFW公司。 "
LFW3D系列 -前端化LFW图像的收集和用于前端化的Matlab代码 “正面化是合成正面视图的过程 出现在单个无约束照片中的脸。 最近的报告有 建议此过程可以大大提高 人脸识别系统。。。 我们探索使用 单个未修改的3D曲面，近似于 所有输入面。 我们表明，这将导致， 高效且易于实现的前台化方法。 更多 重要的是，它产生了美学上的新视角 用于人脸识别和性别时效果出奇地好 估计。 "
联系人： 问题和意见可发送至： 加里·黄（Gary Huang）- gbhuang@cs.umass.edu
支持： LFW数据库的建立得到了NSF职业奖（编号：0546666）的支持。
更改历史记录： -
2018/01/09 已更新 勘误表 ，特别是列出了视图2第7页中出现的一对不正确的匹配项。 2017/03/01 已更新 勘误表 ，特别是列出了视图2的折叠1中出现的一对不正确的匹配。 2015年9月22日 添加了Ding等人。 * 、丁和陶 * ，和Xu等人。 * 到 结果页面 . 2015/07/31 已更新 勘误表 。将百度、AuthenMetric商业系统结果添加到 结果页面 . 2015/06/03 已更新 勘误表 . 2015/05/19 已更新 勘误表 . 2014/05/28 将两种无监督方法（LHS和MRF-MLBP）的AUC添加到 结果页面 . 2013/12/08 将John_Gruden_0001标签错误添加到 勘误表 . 2013/08/23 添加了新的深漏斗图像和相应的深漏斗超级像素供下载。 （中日韩） 2013/08/12 暂时禁用深漏斗数据集下载。 （中日韩） 2013/08/09 从数据库库中删除了超像素图像。 向数据库库添加了深漏斗对齐图像。 （中日韩） 2013/08/08 在主页上添加了深漏斗对齐图像集。 （中日韩） 2013/04/17 将Anja_Paerson_0001标签错误添加到 勘误表 . 2011/09/07 添加了链接，用于下载Kumar等人在上生成的所有LFW图像的计算属性值 结果页面 . 2011/08/08 在中添加了标记错误的面的图像 勘误表 . 2011/08/01 将Jim_OBrien_0001标签错误添加到 勘误表 . 2011/07/18 更新了 结果页面 ，添加注释 利用外部训练数据，对图像进行无限制排列 方法结果大致反映外部训练数据的数量 使用，并添加了关于外部培训数据类型的特定注释 用于每个算法。 2011年7月12日 将Mahmoud_Abbas_0012标签错误添加到 勘误表 . 2011/04/28 将超像素分割文件添加到 下载部分 . 2010/11/17 添加了相关链接 数据库： 人脸检测 数据集和基准（FDDB） . 2010/09/07 将Michael_Schumacher_0008标签错误添加到 勘误表 . 2009/06/24 将Carlos_Beltran_0001和Emmy_Rossum_0001标签错误添加到 勘误表 . 2009/02/04 将Bart_Hendricks_0001标签错误添加到 勘误表 . 2008/07/01 更新了LFW技术报告，并适当参考了VidTIMIT： C.桑德森。 生物特征识别：人脸、语音和融合。 VDM-Verlag，2008年。 国际标准图书编号978-3-639-02769-3 2008年6月12日 补充 勘误表 并列出了两个已知的标签错误。 2008/02/04 添加了漏斗图像和超像素图像 到个人页面。 提供所有漏斗图像 作为单个可下载文件。 2008/01/25 补充 结果页面 带有数字 Nowak和Jurie方法，CVPR 2007。 2007/11/21 增加了技术报告的修订版本。 2007/11/19 将技术报告添加到页面。 2007/11/15 添加了邮件列表并将历史记录更改为页面。