LRFR人脸识别数据集TinyFace | 深度学习低清人脸训练数据

TinyFace数据集是面向低分辨率人脸识别（Low Resolution Face Recognition, LRFR）的大规模基准数据集，专为深度学习模型在极端低清场景下的识别性能评估而构建。该数据集从公开网络数据中采集，共包含169403张原生低分辨率人脸图像，平均分辨率仅20×16像素，覆盖5139个已标注身份，支持1:N大规模识别测试。

数据集核心特点

TinyFace数据集区别于传统下采样生成的低分辨率数据，所有图像均为真实场景下采集的原生低清人脸，保留了自然退化特征。数据采集环境涵盖无约束条件，包括复杂姿态变化、不均匀光照、面部遮挡及多样化背景，高度贴近实际监控、远距离抓拍等应用场景。数据集规模达十万级，满足深度神经网络训练对样本量的需求。

适用研究方向

该数据集主要适用于以下计算机视觉与人工智能研究：低分辨率人脸识别算法开发与评测、超分辨率重建与人脸识别联合优化、跨分辨率人脸匹配、深度模型在极端低清条件下的鲁棒性分析、监控场景下的人脸检索系统构建、以及人脸图像增强与质量评估研究。

数据使用途径

研究人员可将TinyFace数据集用于：训练端到端低分辨率人脸识别网络、评估现有模型在原生低清图像上的Top-K识别准确率、开展分辨率不变特征学习实验、构建低清到高清的人脸映射模型、以及作为课程设计或算法竞赛的公开评测基准。数据格式兼容主流深度学习框架，可直接接入PyTorch、TensorFlow等工具链。