Labeled Faces in the Wild (LFW) ist ein weit verbreiteter Benchmark-Datensatz für die Gesichtserkennung, der aus 13.233 Bildern von 5.749 Personen besteht, die aus dem Internet gesammelt wurden. Der Datensatz wurde erstellt, um eine realistische und anspruchsvolle Testumgebung für Algorithmen zu bieten, die darauf ausgelegt sind, Gesichter in unkontrollierten Umgebungen zu erkennen, in denen Variationen in Pose, Beleuchtung, Ausdruck und Hintergrund häufig sind. Er wurde 2007 von Forschern der University of Toronto und des MIT Computer Science and Artificial Intelligence Laboratory eingeführt (obwohl die primäre Entwicklung an der University of Massachusetts Amherst erfolgte). Der Datensatz ist zu einer Standardreferenz auf dem Gebiet des maschinellen Lernens und der Computer Vision geworden und wird häufig verwendet, um die Leistung verschiedener Gesichtsverifikationssysteme zu vergleichen.
Die Bilder in LFW wurden automatisch aus Nachrichtenartikeln und anderen Webquellen heruntergeladen, was eine natürliche Verteilung der Gesichtserscheinungen gewährleistet. Im Gegensatz zu früheren Datensätzen, die unter kontrollierten Bedingungen aufgenommen wurden, spiegelt LFW die Variabilität realer Fotografien wider. Jedes Bild ist auf ein Gesicht zentriert und mit dem Namen der Person beschriftet, wobei einige Personen mehrere Bilder haben. Die Hauptaufgabe, die mit LFW verbunden ist, ist die Gesichtsverifikation: Bei zwei Bildern muss ein System bestimmen, ob sie dieselbe Person zeigen. Diese Aufgabe wird mit einem standardisierten Protokoll bewertet, das spezifische Bildpaare für Training und Test definiert.
Geschichte und Entstehung
LFW wurde als Reaktion auf die Notwendigkeit eines realistischeren Benchmarks als bestehende Datensätze wie die FERET-Datenbank entwickelt, die studioähnliche Bedingungen verwendete. Der Datensatz wurde von einem Team unter der Leitung von Gary B. Huang, Manu Ramesh, Tamara Berg und Erik Learned-Miller an der University of Massachusetts Amherst zusammengestellt. Die erste Version wurde 2007 veröffentlicht, mit anschließenden Aktualisierungen, die weitere Bilder und verfeinerte Beschriftungen hinzufügten. Die endgültige Version, bekannt als LFW, enthält 13.233 Bilder von 5.749 Personen, wobei 1.680 Personen zwei oder mehr verschiedene Fotografien haben.
Der Erstellungsprozess umfasste die Verwendung eines Gesichtsdetektors, um Gesichter in großen Sammlungen von Nachrichtenbildern zu lokalisieren, gefolgt von manueller Beschriftung, um die Genauigkeit zu gewährleisten. Dieser halbautomatische Ansatz ermöglichte die effiziente Sammlung eines großen, vielfältigen Datensatzes. Die Forscher etablierten auch ein klares Bewertungsprotokoll, einschließlich eines Satzes von 6.000 Gesichtspaaren für Tests, die in 10 Falten für die Kreuzvalidierung aufgeteilt wurden. Dieses Protokoll war maßgeblich dafür, Ergebnisse über verschiedene Studien hinweg vergleichbar zu machen.
Datensatzstruktur und Inhalt
Der Datensatz ist in Ordner für jede Person organisiert, wobei die Bilder nach einer konsistenten Konvention benannt sind. Jedes Bild ist ein Farb-JPEG, typischerweise 250 mal 250 Pixel, mit dem Gesicht ungefähr zentriert. Die Bilder variieren in Qualität und Auflösung, was ihre Webherkunft widerspiegelt. Für jede Person gibt es eine entsprechende Textdatei, die die Bilddateinamen und die Koordinaten der Augen auflistet, die für die Ausrichtung verwendet werden können.
LFW umfasst eine vielfältige Gruppe von Personen, darunter Politiker, Schauspieler, Sportler und andere öffentliche Persönlichkeiten. Die Verteilung der Bilder pro Person ist stark verzerrt: Viele Personen haben nur ein Bild, während einige Dutzende haben. Dieses Ungleichgewicht ist eine realistische Herausforderung für Algorithmen, da es eine robuste Merkmalsextraktion aus begrenzten Daten erfordert. Der Datensatz enthält auch einen separaten Satz von Bildern für das 'uneingeschränkte' Trainingsprotokoll, das die Verwendung zusätzlicher Daten aus derselben Quelle erlaubt.
Bewertungsprotokoll und Benchmarks
Das standardmäßige LFW-Bewertungsprotokoll definiert zwei Hauptaufgaben: bildbeschränkt und uneingeschränkt. In der bildbeschränkten Einstellung können Algorithmen nur die bereitgestellten Trainingspaare verwenden, die aus 5.400 positiven und 5.400 negativen Paaren bestehen. Die uneingeschränkte Einstellung erlaubt die Verwendung von Identitätsbeschriftungen und zusätzlichen Bildern aus dem Datensatz. Die Leistung wird als mittlere Klassifikationsgenauigkeit über 10 Falten gemessen, wobei jede Falte 600 Paare (300 positive und 300 negative) enthält.
Im Laufe der Jahre war LFW ein wichtiger Benchmark zur Verfolgung des Fortschritts in der Gesichtserkennung. Frühe Systeme mit handgefertigten Merkmalen erreichten Genauigkeiten von etwa 80-90%. Die Einführung von Deep-Learning-Methoden, insbesondere neuronalen Netzen und faltenden neuronalen Netzen, führte zu erheblichen Verbesserungen. Im Jahr 2014 erreichte das DeepFace-System von Facebook eine Genauigkeit von 97,35% und näherte sich damit der menschlichen Leistung an. Nachfolgende Modelle wie FaceNet von Google erreichten über 99% Genauigkeit und übertrafen damit die menschliche Leistung auf dem Datensatz. Diese Fortschritte zeigten die Leistungsfähigkeit des Deep Learnings bei der Extraktion diskriminierender Merkmale aus rohen Pixeln.
Auswirkungen und Vermächtnis
LFW hat einen nachhaltigen Einfluss auf das Gebiet der Gesichtserkennung gehabt. Es bot eine gemeinsame Grundlage zum Vergleich von Algorithmen und förderte die Entwicklung anspruchsvollerer Techniken. Die Betonung unkontrollierter Bedingungen im Datensatz hob die Bedeutung der Robustheit gegenüber realen Variationen hervor. Viele hochmoderne Systeme, einschließlich derer, die in kommerziellen Anwendungen verwendet werden, wurden auf LFW als standardmäßige Plausibilitätsprüfung evaluiert.
Der Erfolg des Deep Learnings auf LFW beeinflusste auch die Erstellung größerer und anspruchsvollerer Datensätze wie MegaFace und MS-Celeb-1M, die Millionen von Bildern enthalten. LFW bleibt jedoch eine wertvolle Ressource aufgrund seiner überschaubaren Größe und seines klar definierten Protokolls. Es wird oft für schnelles Prototyping und Bildungszwecke verwendet. Der Datensatz ist für die Forschung frei verfügbar, und seine Werkzeuge und Dokumentation wurden weitgehend übernommen.
Einschränkungen und Kritik
Trotz seiner Beliebtheit hat LFW mehrere Einschränkungen. Die Bilder haben eine relativ niedrige Auflösung (250x250 Pixel), was möglicherweise nicht moderne hochauflösende Quellen widerspiegelt. Der Datensatz ist auch auf westliche öffentliche Persönlichkeiten ausgerichtet, was seine Vielfalt einschränkt. Darüber hinaus erfasst die Verifikationsaufgabe, obwohl nützlich, nicht alle Aspekte der Gesichtserkennung, wie die Identifikation über große Galerien. Einige Forscher haben festgestellt, dass die Genauigkeit auf LFW gesättigt ist, da viele moderne Systeme nahezu perfekte Ergebnisse erzielen, was es weniger diskriminierend für den Vergleich von Top-Algorithmen macht.
Eine weitere Kritik ist, dass das Bewertungsprotokoll, obwohl standardisiert, möglicherweise nicht vollständig reale Bereitstellungsszenarien repräsentiert. Zum Beispiel sind die Paare vordefiniert und enthalten möglicherweise keine herausfordernden Fälle wie extreme Posenänderungen oder Okklusionen. Daher ergänzen Forscher LFW oft mit anderen Benchmarks wie IJB-A oder YTF, um eine umfassendere Bewertung zu erhalten. Dennoch ist die historische Rolle von LFW bei der Weiterentwicklung des Feldes unbestritten, und es bleibt ein grundlegender Datensatz in der Untersuchung der Gesichtserkennung.
Siehe auch
Referenzen
- Huang, G. B., Ramesh, M., Berg, T., & Learned-Miller, E. (2007). Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments. Technical Report 07-49, University of Massachusetts, Amherst.
- Taigman, Y., Yang, M., Ranzato, M., & Wolf, L. (2014). DeepFace: Closing the Gap to Human-Level Performance in Face Verification. CVPR.
- Schroff, F., Kalenichenko, D., & Philbin, J. (2015). FaceNet: A Unified Embedding for Face Recognition and Clustering. CVPR.