HOG_SVM_行人检测数据集合_INRIA数据集

HOG+SVM是经典的行人检测方法，论文作者同时搞了一个INRIA数据集。

INRIA数据集官方页面：http://pascal.inrialpes.fr/data/human/，不过说真的，数据集搞的挺乱的。

首先，INRIA数据集的原始图片，来自GRAZ 01数据集和网络上的一些图片。这些图片相比于MIT行人数据集，人的姿态和光照条件啥的都更加全面，适合做行人检测。每张图片中都进行了行人区域的标定，也就是画了一个矩形框，把矩形框的左上定点坐标和矩形长度、宽度记录下来。 
但是，第一次使用INRIA数据集的人，是要重现论文中的效果的！而论文中使用的图片，是归一化后的图片。怎么归一化的咱不细究，反正效果就是，相当于原有的标定矩形框放大了一圈，然后裁剪出行人区域，然后区域缩放（通常是缩小，缩放后到一个固定尺寸）。那，就用这个归一化后的图片做重现实验吧！

但是，问题又来了。这些归一化的图像在哪里？INRIA数据集里面放了原始数据和标定信息，以及归一化后的图像，按官网上的说法先找到train_64x128_H96目录，说里面有pos和neg两个子目录，以及找到test_64x128_H96目录，里面也有pos和neg两个子目录。然后说，在train/pos下的是96x160的图片，test/pos下的是70x134的图片。我倒要问，train目录是哪个？不是train_64x128_H96吗？INRIA数据集根目录下本身有一个Train目录好么，你这么讲我很容易搞混的！而实际上，应当是train_64x128_H96而不是train，test目录也是一样的情况。

还有几个混乱的地方。 
我在windows下解压了INRIA数据集，在train_64x128_H96目录下没找到neg目录。这是因为用了软链接，是在linux下做的数据集。我想说，没有必要装这个逼的。把数据集放到Linux下解压，我用的是fedora23系统，进入到train_64x128_H96/neg目录，把里面图片都拷到windows上，拷贝到train_64x128_H96/neg目录下。 
另外就是test_64x128_H96目录下的neg目录的问题。这个目录下的图片有用么？反正，看官网的说明，鸟用没有。So,忽略这个目录吧。

然后在Linux下查看整个数据集目录，发现最外层96X160H96和70x134H96两个目录。实际上归一化的图像都存在这两个目录下。那你搞train_64x128_H96和test_64x128_H96两个目录做什么？软链接装逼？

同时有个问题，为什么会有归一化的测试图像呢？test_64x128_H96/pos目录下的图像都是70x134大小，实际中的图像都是尺寸不一的，还要考虑多尺度的问题呢。这个目录下的图片并没有用。直接用原始的测试图片就可以了。

还有，原始图像的命名。为什么以crop_作为前缀？有用么？以及，目录命名怎么一会儿大写开头，一会儿小写开头，train和Train都有？另外对于原始数据的标定我也很无语，为什么有标错的地方？坐标怎么出现负数的，嗯？ 
算了，原始图像我就用

OK，讲了这么多，目的是整理出一个合理的数据集来，以后自己用也好用。经过整理后的INRIA数据集，目录结构和说明：

INRIADATA{
    normalized_images{
        train{
            pos:96x160大小，训练正样本，需要crop中间的64x128大小。已经做过flip，即包含左右对称的图
            neg:大小不一，通常是几百乘几百，训练负样本，需要从每张图中随机crop 10个区域作为训练负样本
        }
    }
    original_images{
        train{
            pos:训练正样本，大小不一
            neg:训练负样本，大小不一
            annotations:标注信息
        }
        test{
            pos:大小不一
            neg:大小不一
            annotations:标注信息
        }
    }
}
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

训练和测试的时候有几种选择方式： 
用normalized_images目录下的图片做训练，或者用original_images目录下的图片+annotations获取行人区域做训练；测试则都在original_images/test/pos上测试。

整理后的数据集有点大，上传百度网盘了:http://pan.baidu.com/s/1eSdlw7g