[CDA_S2DFE] Synchronous Natural and Posed 2D Facial Expressions (SNaP-2DFE) Cette collection contient des séquences d’images enregistrées simultanément par deux caméras reflétant des conditions d’usage distinctes. La première caméra est fixée sur un casque qui suit les mouvements naturels de la tête. La seconde caméra est fixée en face de la personne. La caméra attachée au casque enregistre de manière continuelle le visage en pose frontale, alors que la caméra qui est de face enregistre des images comportant des variations de la tête et de larges déplacements. La collection SNaP-2DFe permet de mesurer l’impact des mouvements de la tête sur la reconnaissance d’expressions faciales. La collection contient 1260 séquences enregistrées à l’aide de 15 volontaires effectuant simultanément des expressions et des mouvements de la tête. Chaque volontaire a été́ enregistré en suivant six types de mouvements (3 rotations, 2 translations et une pose fixe) en reproduisant pour chaque mouvement sept expressions (colère, dégoût, énervement, joie, neutre, peur, surprise, tristesse). Ce corpus a été́ utilisé dans [AJI_AMBD_18] afin d’étudier l’impact des méthodes de normalisation de visage sur la reconnaissance d’expression en comparant les performances mesurées sur la caméra frontale, par rapport à la caméra attachée au casque. Il a été́ également employé́ dans [ACI_BTBD_19] et [PP_BATBDS_19] pour étudier l’impact des changements d’orientation de la tête sur les méthodes d’alignement de visages.

[CDA_FACES] Fox Faces Dataset Cette collection contient des images de visages capturées en laboratoire avec différentes poses de la tête, conditions d’illumination, expressions faciales, modalités d’acquisition (caméra durée-de-vol ou time-of-flight, caméra stéréoscopique et Kinect). La collection contient 2624 images et 64 personnes distinctes. La mise à disposition d’une capture synchrone entre différentes modalités d’acquisition permet d’identifier la manière dont les modalités considérées permettent de répondre au mieux aux défis posés dans le cadre de la capture (pose, expressions, illumination). Ces corpus ont été́ présentés dans [ACI_ADMB_16].

[CDA_WGD] Web Gender Dataset Cette collection contient des images de visages masculins et féminins. Les images ont été́ obtenues en interrogeant les moteurs de recherche Web avec des termes liés à chaque sexe dans différentes langues (Français, Anglais, Allemand, Chinois, Turc...), et filtrées par un détecteur de visages (Viola-Jones), puis manuellement. La collection contient 4700 images. Nous avons conçu ce corpus afin d’éprouver la capacité́ de généricité́ de classifieurs appris notamment dans un contexte de validation inter-corpus. La variété́ des conditions de captures et des sujets nous a permis de converger vers des classifieurs robustes. Ce corpus a été́ utilisé dans les expérimentations inter-corpus concernant la détection de genre rapportées dans [ACI_DBD_14] et [AJI_DBM_15].

[CDA_ECA] Eye Center Annotations Ces données fournissent des annotations manuelles des positions du centre de l’œil dans les collections d’images de visages Caltech Faces et Youtube Faces. Le nombre d’images annotées dans les deux collections est de 450, respectivement 5000. Ces annotations ont servi à estimer la pose de la tête, et notamment le roulis, dans le cadre des travaux publiés dans [AJI_DB_16]. Nous avons souhaité montrer la généricité́ de notre approche sur un nombre important de corpus d’images.

[CDA_GLPA] Gender LFW Pro Annotations Ces données fournissent des annotations manuelles pour catégoriser la collection d’images de visages LFW Pro (Huang et al. 2007) selon le genre des sujets. Les annotations concernent 7895 images. Ces annotations servent à disposer d’une large palette d’images qui valide les approches de caractérisation du genre dans un contexte inter-corpus proposées dans [ACI_DBD_14] et [AJI_DBM_15].

[CDA_G4KEA] GENKI4K Gender-Emotion Annotations Ces données fournissent des annotations manuelles pour catégoriser la collection d’images de visages GENKI-4K selon le genre et les expressions faciales des sujets. Les annotations concernent 4000 images du corpus. Comme dans le cas du corpus d’annotations Gender LFW Pro, nous avons souhaité mettre à disposition de la communauté́ de nouvelles données pour la détection de genre. Disposer des corpus riches et variés permet de mettre en œuvre des processus d’apprentissage ayant un degré́ important de généricité́. Ces annotations ont été́ utilisées dans [ACI_DBD_14] et [AJI_DBM_15] pour valider la reconnaissance de genre dans un contexte inter-corpus.

 

Plus de détails sur ces corpus de données et corpus d’annotations sont disponibles ici