畢業設計是神經網絡的圖像處理工作,這裏Mark一些使用的資源
我得題目和性別識別以及監控圖像有關
圖像數據集彙總:
https://blog.csdn.net/lansatiankongxxc/article/details/12978207
行走的人的數據集
http://groups.inf.ed.ac.uk/vision/CAVIAR/CAVIARDATA1/
視頻追蹤檢測分類、監控追蹤常用數據集
https://blog.csdn.net/zy20150613/article/details/79646195
監控視頻數據集彙總
https://www.cnblogs.com/alexanderkun/p/4204526.html
--------------------------------------------------------------------------------------
算法彙總:
AlexNet 這個必須要看吧
http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
Learned vs. Hand-Crafted Features for Pedestrian Gender Recognition
Age and Gender Classification Using Convolutional Neural Networks
--------------------------------------------------------------------------------------
最終真正做的時候才知道並不是所有的行人數據集都是標註好了的,甚至都是人!!有的是街道+框圖。
這裏Mark一個彙總:http://f.dataguru.cn/thread-930186-1-1.html 有關於重識別行人的標註了的數據集彙總。
最終用到的數據集:
PETA dataset - 19000 pics (百度一下就找得到下載地址)
VIPeR - 無標註的數據集 - 1700 pics
Martket - 清華大學的學生們 - 13000 pics
CVC dataset - 無標註的數據集 - 1000 pics
一共是至少 32000 個 圖片, 可以開始訓練了!
這裏可以挖一個小坑,因爲清華數據集的標註需要讀取mat,以及數據集最終的製作還沒完成。完成了簡介一下過程。
在決定先用MNIST的算法試試水之後,首先要弄清楚MNIST算法是怎麼構建batch的。
引用:https://blog.csdn.net/akadiao/article/details/78351021 - 對input_data.py有一小段註釋;
https://blog.csdn.net/lhanchao/article/details/51308315 - 同樣對input_data.py的一段註釋