基于深度学习的行人特征提取 - 以性别为例： （一）数据集整理

毕业设计是神经网络的图像处理工作，这里Mark一些使用的资源

我得题目和性别识别以及监控图像有关

图像数据集汇总：

https://blog.csdn.net/lansatiankongxxc/article/details/12978207

行走的人的数据集

http://groups.inf.ed.ac.uk/vision/CAVIAR/CAVIARDATA1/

视频追踪检测分类、监控追踪常用数据集

https://blog.csdn.net/zy20150613/article/details/79646195

监控视频数据集汇总

https://www.cnblogs.com/alexanderkun/p/4204526.html

--------------------------------------------------------------------------------------

算法汇总：

AlexNet 这个必须要看吧

http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf

Learned vs. Hand-Crafted Features for Pedestrian Gender Recognition

http://delivery.acm.org/10.1145/2810000/2806332/p1263-antipov.pdf?ip=110.184.179.85&id=2806332&acc=ACTIVE%20SERVICE&key=BF85BBA5741FDC6E%2E21AB2B2297141EDA%2E4D4702B0C3E38B35%2E4D4702B0C3E38B35&__acm__=1545143005_e70c64aa4677842c6c4eb4ca9eb33d6d

Age and Gender Classification Using Convolutional Neural Networks

https://www.cv-foundation.org/openaccess/content_cvpr_workshops_2015/W08/papers/Levi_Age_and_Gender_2015_CVPR_paper.pdf

--------------------------------------------------------------------------------------

最终真正做的时候才知道并不是所有的行人数据集都是标注好了的，甚至都是人！！有的是街道+框图。

这里Mark一个汇总：http://f.dataguru.cn/thread-930186-1-1.html 有关于重识别行人的标注了的数据集汇总。

最终用到的数据集：

PETA dataset - 19000 pics （百度一下就找得到下载地址）

VIPeR - 无标注的数据集 - 1700 pics

Martket - 清华大学的学生们 - 13000 pics

CVC dataset - 无标注的数据集 - 1000 pics

一共是至少 32000 个 图片， 可以开始训练了!

---

这里可以挖一个小坑，因为清华数据集的标注需要读取mat，以及数据集最终的制作还没完成。完成了简介一下过程。

在决定先用MNIST的算法试试水之后，首先要弄清楚MNIST算法是怎么构建batch的。

引用：https://blog.csdn.net/akadiao/article/details/78351021 - 对input_data.py有一小段注释；

           https://blog.csdn.net/lhanchao/article/details/51308315 - 同样对input_data.py的一段注释