数据集（3）：从0了解INRIA数据集

2024-04-12 07:31:34

该数据集分为两种格式：

（a）具有对应注释文件的原始图像

（b）原始的负样本图像和标准化64*128像素的正样本图像（用于CVPR论文中的）

根目录下虽然有六个文件夹，但是实际上四个。’train_64*128_H96’中的pos文件就是96*160H96；’test_64*128_H96’中的pos文件就是70*134H96；

原始图像

‘Train’文件夹和’Test’文件夹分别对应于原始训练图像和测试图像。

（a）’pos’（正样本的训练和测试图像（图像分辨率不定））

（b）’neg’（负样本的训练或测试图像（图像分辨率不定））

（c）‘annotations’（Pascal Challenge格式的正样本的注释文件）

标准化图像

文件夹’train_64*128_H96’和’test_64*128_H96（注：*号代表乘号）对应于标准化（标准化的意思是图像有相同的分辨率）的数据集。

(a)’pos’(该文件内实际为根目录下'96*160H96'文件夹下内容，是以人为中心左右镜像的标准化正面训练或测试图像)。

（b）’neg’（包含原始的负样本训练或测试图像）。

注意：’train_64x128_H96\pos’中的图像是96*160像素（每边16像素的边距）。文件夹’test_64x128_H96\pos’中的图像是70*134像素（每侧边距3个像素）。这样做是为了避免边界条件（从而避免分类器中的任何特定偏差）。在这两个文件夹中，使用居中的64*128像素窗口进行原始检测任务。

数据集（3）：从0了解INRIA数据集相关推荐

将INRIA数据集改为PascalVOC格式
将INRIA数据集改为PascalVOC格式 INRIA数据集链接:https://pan.baidu.com/s/1Z2TVvGuuvor7juqj3uPG-g 提取码:07ed 我制作的Pasca ...
用DPM(Deformable Part Model，voc-release3.1)算法在INRIA数据集上训练自己的人体检测模型
我的环境 DPM源码版本:voc-release3.1 VOC开发包版本:VOC2007_devkit_08-Jun Matlab版本:MatlabR2012b c++编译器:VS2010 系统:Wi ...
INRIA数据集转换成VOC格式
背景下面的代码是将INRIA数据集转换成VOC格式.图片是614张. 其中,使用OinginImage文件夹里的Train中Pos和Annotations作为训练,利用Test里的Pos作为测试. ...
提取INRIA数据集的box
前面讲到了INRIA数据集转换为VOC2007数据集格式:点击打开链接,本文和前面有点类似,只是做了进一步的精简,有点画蛇添足的感觉.不过还是希望能够帮到大家!因为比较简单,下面直接上代码. # -* ...
用HOG+SVM在Inria数据集上做行人检测与评测
by baiyu33 功能基于OpenCV在Inria行人检测数据集上,做训练和测试,生成bbs用于评测代码在OpenCV3.0中的例程opencv/sources/sample/cpp/tra ...
DL之MaskR-CNN：基于类MaskR-CNN算法(RetinaNet+mask head)利用数据集(resnet50_coco_v0.2.0.h5)实现目标检测和目标图像分割(语义分割)
DL之MaskR-CNN:基于类MaskR-CNN算法(RetinaNet+mask head)利用数据集(resnet50_coco_v0.2.0.h5)实现目标检测和目标图像分割(语义分割) 目录 ...
利用python处理中国地面气候资料日值数据集（V3.0）
原始文件数据链接 00年到18年气象数据,但是未进行处理-数据集文档类资源-CSDN下载00年到18年气象数据,但是未进行处理,如果需要处理好的数据(execl和shp),请查看本博主其他更多下载资 ...
基于Python的信用评分卡模型-give me some credit数据集，AUC 0.93 KS 0.71
信用风险计量模型可以包括跟个人信用评级,企业信用评级和国家信用评级.人信用评级有一系列评级模型组成,常见是A卡(申请评分卡).B卡(行为模型).C卡(催收模型)和F卡(反欺诈模型). 今天我们展示的是 ...
Pytorch最简单的图像分类——K折交叉验证处理小型鸟类数据集分类2.0版本ing
https://blog.csdn.net/hb_learing/article/details/110411532 https://blog.csdn.net/Pl_Sun/article/deta ...

最新文章

热门文章