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
Age and Gender Classification Using Convolutional Neural Networks
--------------------------------------------------------------------------------------
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