目標識別

詳細描述

ImageNet

實現載入資料集: "ImageNet": http://www.image-net.org/

用法

1. 從上面的連結下載資料集檔案: ILSVRC2010_images_train.tar\ILSVRC2010_images_test.tar\ILSVRC2010_images_val.tar & 開發工具包: ILSVRC2010_devkit-1.0.tar.gz (實現了載入2010資料集，因為只有該資料集具有測試資料的ground truth，但ILSVRC2014的結構類似)
2. 將它們解壓到: some_folder/train/, some_folder/test/, some_folder/val & some_folder/ILSVRC2010_validation_ground_truth.txt, some_folder/ILSVRC2010_test_ground_truth.txt.
3. 建立帶有標籤的檔案: some_folder/labels.txt，例如，使用下面的 python 指令碼 (每個檔案的行格式: synset,labelID,description。 例如: "n07751451,18,plum")。
4. 解壓 train 中的所有 tar 檔案。
5. 要載入資料，執行

   ./opencv/build/bin/example_datasets_or_imagenet -p=/home/user/some_folder/

用於解析 meta.mat 的 Python 指令碼

import scipy.io
meta_mat = scipy.io.loadmat("devkit-1.0/data/meta.mat")
 
labels_dic = dict((m[0][1][0], m[0][0][0][0]-1) for m in meta_mat['synsets']
label_names_dic = dict((m[0][1][0], m[0][2][0]) for m in meta_mat['synsets']
 
for label in labels_dic.keys()
    print "{0},{1},{2}".format(label, labels_dic[label], label_names_dic[label])

MNIST

實現了載入資料集

"MNIST": http://yann.lecun.com/exdb/mnist/

用法

1. 從上面的連結下載資料集檔案: t10k-images-idx3-ubyte.gz, t10k-labels-idx1-ubyte.gz, train-images-idx3-ubyte.gz, train-labels-idx1-ubyte.gz.
2. 解壓它們。
3. 要載入資料，執行

   ./opencv/build/bin/example_datasets_or_mnist -p=/home/user/path_to_unpacked_files/

SUN 資料庫

實現了載入資料集

"SUN 資料庫, 場景識別基準測試。SUN397": http://vision.cs.princeton.edu/projects/2010/SUN/

用法

1. 從上面的連結下載資料集檔案: SUN397.tar & 帶有分割資訊的檔案: Partitions.zip
2. 將 SUN397.tar 解壓到資料夾: SUN397/ & 將 Partitions.zip 解壓到資料夾: SUN397/Partitions/
3. 要載入資料，執行

   ./opencv/build/bin/example_datasets_or_sun -p=/home/user/path_to_unpacked_files/SUN397/

類
類	cv::datasets::OR_imagenet
結構體	cv::datasets::OR_imagenetObj
類	cv::datasets::OR_mnist
結構體	cv::datasets::OR_mnistObj
類	cv::datasets::OR_pascal
結構體	cv::datasets::OR_pascalObj
類	cv::datasets::OR_sun
結構體	cv::datasets::OR_sunObj
結構體	cv::datasets::PascalObj
結構體	cv::datasets::PascalPart