数据集

https://www.cnblogs.com/ansang/p/8137413.html

表情数据集:

fer2013

Fer2013人脸表情数据集由35886张人脸表情图片组成,其中,测试图(Training)28708张,公共验证图(PublicTest)和私有验证图(PrivateTest)各3589张,每张图片是由大小固定为48×48的灰度图像组成,共有7种表情,分别对应于数字标签0-6,具体表情对应的标签和中英文如下:0 anger 生气; 1 disgust 厌恶; 2 fear 恐惧; 3 happy 开心; 4 sad 伤心;5 surprised 惊讶; 6 normal 中性。

但是,数据集并没有直接给出图片,而是将表情、图片数据、用途的数据保存到csv文件中,如下图所示,

如上图所示,第一张图是csv文件的开头,第一行是表头,说明每列数据的含义,第一列表示表情标签,第二列即为图片数据,这里是原始的图片数据,最后一列为用途。
csv可以直接wps或MS office 的表格打开,此为wps打开图片。

根据其官方介绍,有80%的训练集。官方链接:https://www.kaggle.com/deadskull7/fer2013

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pascal VOC(Visual Object Classes)数据集是一个常用的计算机视觉数据集,用于目标检测、语义分割和图像分类等任务。该数据集包含了20个不同类别的物体,如人、车、飞机等。每个图像都有对应的标注文件,标注了物体的位置和类别信息。 Pascal VOC数据集的使用方法如下: 1. 下载数据集:可以从官方网站下载Pascal VOC数据集,也可以使用第三方库进行下载。 2. 数据准备:将下载的数据集解压缩,并按照指定的格式进行组织,包括图像文件和标注文件。 3. 数据配置:根据具体的任务和模型,选择相应的数据配置文件。在mmsegmentation中,可以选择pascal_voc12.py作为数据配置文件。 4. 配置训练文件夹:将数据配置文件复制到mmsegmentation-master/my_model/deeplabv3plus文件夹下。 5. 添加数据集:在mmseg/datasets/__init__.py文件中添加自己的数据集,包括导入自定义数据集的类和将类名添加到__all__列表中。 6. 配置训练参数:根据需要修改训练配置文件,包括模型、优化器、学习率等参数。 7. 开始训练:运行训练脚本,开始训练自己的数据集。 请注意,以上步骤仅为Pascal VOC数据集的一般使用方法,具体的操作可能会因不同的框架和工具而有所不同。在使用mmsegmentation进行训练时,可以参考mmsegmentation的官方文档和示例代码,以了解更详细的操作步骤和配置参数。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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