FFHQ高质量人脸数据集

Name: FFHQ高质量人脸数据集
Creator: NVIDIA

Flickr-Faces-HQ Dataset 是与皱纹（Wrinkles）相关的公开数据资源，主要包含高质量人脸图像和年龄、姿态及面部属性覆盖数据，数据模态为图像，适合用于分类、模型训练、基准评测或临床特征分析。

NVIDIA

GitHub

2024-01-01 更新

图像分类

基本信息

模态

图像

数据量

70000

任务类型

分类

创建/更新时间

2024-01-01

资源简介

FFHQ高质量人脸数据集包含高质量人脸图像和年龄、姿态及面部属性覆盖数据，可用于皱纹相关的分类研究。

原始链接

https://github.com/NVlabs/ffhq-dataset

访问原始数据

官方服务

如需原始数据获取支持或标注服务，请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载，应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。

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

千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

使用方式

数据集获取

git clone https://github.com/NVlabs/ffhq-dataset.git

curl -L -o repo.zip https://github.com/NVlabs/ffhq-dataset/archive/refs/heads/master.zip
unzip repo.zip

源站 README 摘录（使用方式）

Download script

You can either grab the data directly from Google Drive or use the provided download script. The script makes things considerably easier by automatically downloading all the requested files, verifying their checksums, retrying each file several times on error, and employing multiple concurrent connections to maximize bandwidth.

> python download_ffhq.py -h
usage: download_ffhq.py [-h] [-j] [-s] [-i] [-t] [-w] [-r] [-a]
                        [num_threads NUM] [status_delay SEC]
                        [timing_window LEN] [chunk_size KB]
                        [num_attempts NUM]

Download Flickr-Face-HQ (FFHQ) dataset to current working directory.

optional arguments:
  -h, help            show this help message and exit
  -j, json            download metadata as JSON (254 MB)
  -s, stats           print statistics about the dataset
  -i, images          download 1024x1024 images as PNG (89.1 GB)
  -t, thumbs          download 128x128 thumbnails as PNG (1.95 GB)
  -w, wilds           download in-the-wild images as PNG (955 GB)
  -r, tfrecords       download multi-resolution TFRecords (273 GB)
  -a, align           recreate 1024x1024 images from in-the-wild images
  num_threads NUM     number of concurrent download threads (default: 32)
  status_delay SEC    time between download status prints (default: 0.2)
  timing_window LEN   samples for estimating download eta (default: 50)
  chunk_size KB       chunk size for each download thread (default: 128)
  num_attempts NUM    number of download attempts per file (default: 10)
  random-shift SHIFT  standard deviation of random crop rectangle jitter
  retry-crops         retry random shift if crop rectangle falls outside image (up to 1000
                        times)
  no-rotation         keep the original orientation of images
  no-padding          do not apply blur-padding outside and near the image borders
  source-dir DIR      where to find already downloaded FFHQ source data

> python ..\download_ffhq.py json images
Downloading JSON metadata...
\ 100.00% done  2/2 files  0.25/0.25 GB   43.21 MB/s  ETA: done
Parsing JSON metadata...
Downloading 70000 files...
| 100.00% done  70001/70001 files  89.19 GB/89.19 GB  59.87 MB/s  ETA: done

The script also serves as a referen

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