【免费下载】 CelebA-HQ数据集:高质量人脸图像的宝库
2026-01-21 04:12:16作者:胡易黎Nicole
项目介绍
CelebA-HQ数据集是一个专为计算机视觉研究设计的高质量人脸图像数据集,包含30,000张分辨率为1024x1024的图像。作为CelebA数据集的升级版,CelebA-HQ不仅提供了更高分辨率的图像,还保留了原始数据集的详细标注信息,使其成为人脸识别、图像生成和计算机视觉等领域研究的理想选择。
项目技术分析
数据集特点
- 分辨率多样:CelebA-HQ数据集提供了多种分辨率的图像,包括64x64、128x128、256x256、512x512和1024x1024,满足不同应用场景的需求。
- 高质量图像:所有图像均为高分辨率,确保了训练模型的精度。
- 详细标注:每张图像都附带了人脸关键点和属性信息,便于进行多任务学习和数据分析。
数据集生成流程
- 下载合并解压img_celeba.7z:通过合并14个压缩包分卷,得到202,599张原图。
- 下载list_landmarks_celeba.txt:获取人脸关键点信息。
- 获取h5tool.py:从GitHub仓库中获取脚本,用于生成数据集。
- 创建目录结构:构建celeba-hq目录及其子目录。
- 下载.dat数据:获取nVidia官方提供的.dat数据。
- 配置环境:创建Python 2.7虚拟环境,并安装必要的依赖包。
- 生成数据集:运行h5tool.py脚本,生成不同分辨率的图像数据集。
项目及技术应用场景
CelebA-HQ数据集适用于多种计算机视觉应用场景,包括但不限于:
- 人脸识别:高分辨率图像有助于提升人脸识别模型的准确性。
- 图像生成:用于训练生成对抗网络(GAN)等模型,生成逼真的人脸图像。
- 计算机视觉研究:提供丰富的标注信息,支持多任务学习和数据分析。
项目特点
- 高质量数据:所有图像均为高分辨率,确保了训练模型的精度。
- 多样分辨率:提供多种分辨率的图像,满足不同应用场景的需求。
- 详细标注:附带人脸关键点和属性信息,便于多任务学习。
- 易于生成:通过简单的步骤和脚本,即可生成所需的数据集。
结语
CelebA-HQ数据集是一个高质量的人脸图像数据集,适用于多种计算机视觉应用场景。无论你是研究人员还是开发者,CelebA-HQ都能为你提供丰富的数据资源,助力你的项目取得成功。欢迎访问GitHub仓库,获取更多信息并开始使用这一强大的数据集!
联系我们:如有任何问题或建议,欢迎通过GitHub Issues联系我们。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
558
3.79 K
Ascend Extension for PyTorch
Python
372
433
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
890
638
昇腾LLM分布式训练框架
Python
115
143
暂无简介
Dart
792
195
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
769
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
117
146
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
265
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1