DUKE大学BOE数据集 OCT图像积液分割数据集

使用此数据集用来做积液分割研究

地址:http://people.duke.edu/~sf59/Chiu_BOE_2014_dataset.htm
图片来源:https://joi.usst.edu.cn/html/2021/3/20210305.htm

使用python将.mat转换为图片格式

#对BOE .MAT格式文件处理成图片
import cv2
import scipy.io as scio
import os

# [0,1]=>[0,255]
def changeImg(gray):
    H, W = gray.shape
    for i in range(0, W):
        for j in range(0, H):
            if gray[j, i] != 0:
                gray[j, i] = 255
    return gray

folder = 'BOE/2015_BOE_Chiu'
path = os.listdir(folder)
srcdst = 'BOE/img/srcimg/'
m1dst = 'BOE/img/m1img/'
m2dst = 'BOE/img/m2img/'

for each_mat in path:
    print(each_mat)
    first_name, second_name = os.path.splitext(each_mat)
    print('mat名',first_name,first_name[-2:])
    # 拆分.mat文件的前后缀名字,注意是**路径**
    # break
    each_mat = os.path.join(folder, each_mat)
    array_struct = scio.loadmat(each_mat)

    img_data = array_struct['images'] # 原图像
    src_count = img_data.shape[2] #图像个数
    # print(img_data[0][0],img_data[1],img_data[2])
    for i in range(src_count):
        cv2.imwrite(srcdst + first_name[-2:] + '/img' + first_name[-2:] +'index'+str(i)+ '.jpg', img_data[:, :, i])

    manual1_data = array_struct['manualFluid1']  # 标注1
    m1_count = manual1_data.shape[2] #图像个数
    for i in range(m1_count):
        manual1_img = changeImg(manual1_data[:, :, i])
        cv2.imwrite(m1dst + first_name[-2:] + '/img' + first_name[-2:] + 'index' + str(i) + '.jpg', manual1_img)

    manual2_data = array_struct['manualFluid2']  # 标注2
    m2_count = manual2_data.shape[2] #图像个数
    for i in range(m2_count):
        manual2_img = changeImg(manual2_data[:, :, i])
        cv2.imwrite(m2dst + first_name[-2:] + '/img' + first_name[-2:] + 'index' + str(i) + '.jpg', manual2_img)
    # break

更新

2022-6-2
鉴于大家由于代码执行失败造成分割不成功的情况,留言给我要数据集。
我把数据集上传了,在这个链接https://download.csdn.net/download/baidu_37336262/85524491,积分设置5积分,没有积分下载的再留言找我要吧,看到就回。

PS:同学们点点关注,点点赞,我的博客收藏比关注多,emo…

### 回答1: DukeMTMC-reID是一个用于行人重识别研究的数据集,该数据集Duke University的Multimedia Lab创建。它包含超过36,000个身份的超过16,000个视频序列和8个摄像头视角的4410个身份的超过2万个图像。这些数据由不同的摄像头拍摄,其中许多图像和视频序列包含遮挡,模糊或低光条件。 DukeMTMC-reID数据集已成为行人重识别领域的基准数据集之一,许多最新的研究工作都在该数据集上进行评估。 ### 回答2: DukeMTMC-reID 数据集是一个用于行人重识别任务的开放源数据集。该数据集是在DukeMTMC数据库的基础上构建而成,该数据库是一个用于多目标追踪和多目标计数的数据库,其中包含数个摄像头下的行人图像序列。DukeMTMC-reID 数据集的目的是提供一个用于行人重识别算法研究和评估的标准基准。 DukeMTMC-reID 数据集包含8个身份标注的行人图像序列,其中有拍摄角度变化和遮挡等挑战因素。这些序列分为训练集和测试集,训练集包含16,522个图像,测试集包含19,842个图像。每个图像都有相应的标签,表示图像所属的行人身份。 除了行人图像序列,DukeMTMC-reID 数据集还提供了行人图像的边界框注释和行人测距注释,这些注释可以用于算法的性能评估和验证。 使用DukeMTMC-reID 数据集进行行人重识别算法的研究和评估,可以帮助改进行人重识别算法的性能。该数据集的挑战在于拍摄角度变化、遮挡和尺度变化等现实场景中常见的问题,因此对于算法的鲁棒性和准确性提出了更高的要求。 总之,DukeMTMC-reID 数据集是一个用于行人重识别算法研究和评估的标准基准,提供了具有挑战性的行人图像序列以及相应的标签和注释,对于改进行人重识别算法的性能具有重要意义。 ### 回答3: DukeMTMC-reID数据集是一个用于行人重识别(reID)研究的数据集。它由杜克大学多个监控摄像头拍摄的8个监控摄像头中的行人图像组成,这些图像涵盖多个场景和条件。数据集中包含了16,522个行人身份的2,228,339张图像,使其成为一个非常大规模的reID数据集。 这个数据集的特点之一是它的复杂性和挑战性。由于摄像头的不同视角、拍摄距离、光照条件和行人之间的遮挡,行人的外观可能在不同的图像中有很大的差异。此外,数据集中还存在一些行人的重复出现,也就是同一个行人在不同的时间和地点出现了多次,这增加了重识别任务的难度。鉴于这些挑战,使用DukeMTMC-reID数据集进行reID研究可以更好地模拟实际监控场景中的情况。 该数据集还提供了行人的标注框和行人身份的标签,使研究人员能够使用这些信息进行模型训练和性能评估。此外,数据集还提供了用于训练和测试集划分的预定义分组,以及用于评估reID性能的指标,如CMC曲线和mAP。 DukeMTMC-reID数据集已经在行人重识别算法的研究中得到了广泛的应用。通过使用该数据集,研究人员可以开发和评估各种reID方法的性能,以提升行人重识别的效果。此外,该数据集还可以用于其他目标检测、行人跟踪和行为识别等相关研究领域。总之,DukeMTMC-reID数据集是一个有价值且挑战性的资源,为行人重识别研究提供了良好的基础。
评论 74
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值