现有的人脸识别数据集通常缺少遮挡样本，这阻碍了人脸识别的发展。特别是在COVID-19冠状病毒流行期间，戴口罩已成为防止病毒传播的有效手段。在现有数据集上训练的基于CNN的传统人脸识别模型对于重度遮挡几乎无效。为此，我们开创了模拟遮挡人脸识别数据集。特别是，我们首先收集各种眼镜和蒙版作为遮挡，然后随机组合遮挡属性（遮挡对象，纹理和颜色）以实现大量更逼真的遮挡类型。然后，我们以正常的遮挡习惯将它们遮盖在人脸图像的适当位置。此外，我们合理地将原始的正常人脸图像和遮挡的人脸图像结合起来，形成最终的数据集，称为Webface-OCC。它涵盖了10,575个对象的804,704张脸部图像，具有多种遮挡类型，以确保其多样性和稳定性。在公共数据集上进行的大量实验表明，我们的数据集重新训练后的ArcFace明显优于最新技术。Webface-OCC可从https://github.com/Baojin-Huang/Webface-OCC获得。



"点击查看英文标题和摘要"