这学期开了Python课，刚开始的时候老师给了几个课程设计的选题，其中有一个是人脸识别，脑子抽风选了它。现在将自己制作的数据集分享出来，规模不是很大，共两万多张图片，希望可以帮到需要亚洲人脸识别数据的朋友。

数据集所有数据均收集自网络，图片所有权为原网站，如果您发现侵权的内容，请与我取得联系，将第一时间删除。

邮箱：oxygen@weingxing.cn

看了一些资料和文献，决定使用FaceNet实现，网上也找到了预训练模型，但是对于识别亚洲人脸的精度似乎并不高，于是萌生了自己训练模型的念头。

训练模型自然需要数据来支撑，网上翻了好几天，只找到中科院的Casia-FaceV5数据集，但是这个数据集太小了，只有500个人的2500张图片，于是干脆自己做个数据集算了。根据论文《大规模亚洲人脸数据集的构建》的大体思想（没有进行数据集打分），使用爬虫爬取明星等公众人物的图片，然后进行清洗，经过层层筛选，得到一个相对干净、规模较大（理论上可以很大，但迫于我的算力有限，太大的数据集短时间内处理不完）的数据集。

爬虫程序放在博客的VPS上爬取了5000个人的图片40000多张图片，经过打包后大小为5GB+，无奈服务器1M小水管，下载了一天才把爬到的数据从服务器下载到本地。

经过清洗，删除了损坏的文件、没有人脸的图片、有多个人脸的图片、同一类别下其他人的图片（如张三文件夹下李四的图片，借助百度的人脸比对api清洗），还剩4029个人的21673张图片。压缩后大小为2.3GB。

数据集预览

下载地址

目前传到了百度网盘中（链接挂了文末评论踢我一下，我回来更新链接），但百毒网盘有毒，所以往OneDrive和Google Drive也传一份。自行选择最优的链接下载吧。

百度网盘（提取码：vmcf）

OneDrive（链接已挂）

Google云盘