WFLW面部关键点数据
含眼周关键点的大规模面部图像数据，可用于眼睑位置检测，由CUHK Multimedia Lab提供，来自WFLW数据库，包含10000条数据，适用于关键点标注任务。
基本信息
资源简介
WFLW面部关键点数据
【一句话概览】
WFLW 数据集包含 10000 张人脸图像，其中 7500 张用于训练，2500 张用于测试，每张人脸标注 98 个全手工关键点。除关键点标注外，该数据集还提供遮挡、姿态、化妆、光照、模糊和表情等丰富属性标注，便于全面分析现有算法。与以往数据集相比，该数据集的人脸在表情、姿态和遮挡方面具有较大变化，可直接评估算法在姿态、遮挡和表情上的鲁棒性，无需在不同数据集间切换多种评估协议（来源 wywu.github.io）。
【数据集背景】
本数据集源站标题为《Wider Facial Landmarks in-the-wild (WFLW)》。
【数据内容】
源站原始描述：Wider Facial Landmarks in-the-wild (WFLW) contains 10000 faces (7500 for training and 2500 for testing) with 98 fully manual annotated landmarks. Apart from landmark annotation, out new dataset includes rich attribute annotations, i.e., occlusion, pose, make-up, illumination, blur and expression for comprehensive analysis of existing algorithms. Compare to previous dataset, faces in the proposed dataset introduce large variations in expression, pose and occlusion. We can simply evaluate the robu…
中文译文（机器翻译，仅供快速理解，请以原文为准）：WFLW数据集包含10000张人脸（其中7500张用于训练，2500张用于测试），每张人脸均配有98个全手工标注的关键点。除了关键点标注外，我们的新数据集还包含了丰富的属性标注，如遮挡、姿态、化妆、光照、模糊和表情，以便对现有算法进行全面分析。与以往数据集相比，本数据集的人脸在表情、姿态和遮挡方面引入了大量变化。我们能够直接在提议的数据集上评估姿态、遮挡和表情的鲁棒性，而无需在不同数据集间切换多种评估协议。
【主题与分类】
主题标签：facial landmarks、face alignment、in-the-wild、landmark annotation、occlusion、pose、make-up、illumination、blur、expression。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://wywu.github.io/projects/LAB/WFLW.html
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://wywu.github.io/projects/LAB/WFLW.html
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
含眼周关键点的大规模面部图像数据，可用于眼睑位置检测。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
