shanghaiTech 数据集详细介绍

最新推荐文章于 2025-03-13 17:53:41 发布
置顶 最新推荐文章于 2025-03-13 17:53:41 发布
阅读量1.3w 收藏 21
点赞数 7
文章标签： 深度学习 计算机视觉 python tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40469747/article/details/104729760
版权
本文详细介绍了shanghaiTech数据集，该数据集用于计算机视觉的深度学习研究，包括Part A和Part B两个部分，总计1198张图片和330,165个人头注释。每个部分的训练集和测试集包含images和ground_truth，提供matlab文件以展示人头位置信息。" 126527992,15115704,云计算环境下的动态访问控制：基于用户行为和时空敏感性,"['云计算', '动态访问控制', '数据安全', '用户行为分析', '访问控制模型']

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

shanghaiTech数据集包含了part_A_final，part_B_final两部分。
A部分训练集：300张图片，测试集：182张图片。
B部分训练集：400张图片，测试集：316张图片。
共1198张，330,165个注释头。

在这里插入图片描述

A,B两部分测试集和训练集打开都包含images和ground_truth两部分，显示如下：
其中images显示如下：imagesground_truth 显示如下：
在这里插入图片描述

使用matlab打开GT_IMG_1.mat显示如下：

最低0.47元/天 解锁文章
YaYasweet
关注
UCF Crime和Shanghaitech两个基准数据集
百态老人的博客
12-04 1247
在ShanghaiTech数据集上进行的弱监督视频异常检测研究中，采用了多种技术和方法。多实例学习（MIL）：多实例学习是许多研究中采用的主要技术之一。例如，AR-Net框架利用动态多实例学习损失（DMIL）来扩大异常实例和正常实例之间的类间距离，并通过中心损失缩小正常实例的类内距离。变分自编码器（VAE）与长短期记忆（LSTM）网络：VLARNet框架结合了VAE和LSTM网络，将异常检测视为回归问题，并设计了三元中心损失（TCLASR）与动态多实例学习损失（DMIL）相结合的方法，以提高特征区分能力。
（详细）带你运行ShanghaiTech数据集预训练模型——人群计数算法
Carmelo_7的博客
04-14 3115
ShanghaiTech数据集是现有的人群计数领域比较常用的训练测试数据集，该博客将详细讲述如何跑通ShanghaiTech官方提供的预训练版本。 由于全部跑完ShanghaiTech数据集需要一定的时间，今天只以其中的`ped2数据集`（体量最小）为例，其他类似
计算机视觉领域开源数据集资源整理
最新发布
面向AI前沿技术的深度解析平台，覆盖基础理论、算法优化及产业应用全链路
03-13 1441
本文整理了多个跨领域的计算机视觉开源数据集，涵盖了图像分类、目标检测、语义分割、姿态估计等多个任务方向。这些数据集来源广泛，包括自然场景、自动驾驶、遥感图像等领域，为研究者提供了丰富的训练和测试资源。通过整合多领域数据集，本文旨在帮助开发者和研究人员快速定位适合其项目需求的数据资源，推动计算机视觉技术在不同行业中的应用与发展。无论是学术研究还是工业落地，这些开源数据集都具有重要的参考价值。
视频异常检测数据集 (ShanghaiTech) 及其I3D特征转换
因吉的博客
05-31 8995
异常检测模型训练的一个直接目标是可以直接应用于多视角多场景中。然而，几乎所有已有数据集都只包含使用一台固定角度相机拍摄的视频，且缺乏场景和视角的多样性。为了增加场景多样性，构建了一个新的异常检测数据集ShanghaiTech。此外，在该数据集中引入了由突然运动引起的异常，例如追逐和斗殴。这些异常是现有数据集不具备的，使得所构建的数据集更适合真实场景。
手把手教你用ShanghaiTech数据集跑BL（Bayesian Loss）模型— 1.数据预处理
johnhamtom的博客
01-19 3217
本文通过改写BL模型官方源代码中的preprocess_dataset.py文件，实现了将ShanghaiTech数据集处理为BL模型所需的数据格式。
shanghaitech数据集
03-31
shanghai数据集用于行人密度识别、适用于MCNN人群密度估计
ShanghaiTech数据集
02-24
基于多列卷积神经网络的单图像人群计数的ShanghaiTech数据集
shanghaitech人群密集数据集.zip
11-07
shanghaitech人群密集数据集
上海科技大学张莹莹CVPR2016论文中公开的数据集和论文
03-29
Single-Image Crowd Counting via Multi-Column Convolutional Neural Network论文及公开的数据集
手把手教你用ShanghaiTech数据集跑BL（Bayesian Loss）模型— 2.模型训练及测试
johnhamtom的博客
02-23 1102
手把手教你用ShanghaiTech数据集跑BL（Bayesian Loss）模型— 2.模型训练及测试
ShanghaiTech Part B Dataset
01-18
ShanghaiTech Part B Dataset Part B Part B Part B Part B Part B Part B Part B Part B Part B Part B
shanghai_data.rar
09-07
人群密度检测的shanghai_tech数据集（其中part_A的训练集已经生成h5文件），另外使用pytorch实现的CSRNet人群密度检测可以我的其他上传。（太大了，上传不上去）
P2PNet要求的格式的ShangHai-tech-A的数据集
12-06
P2PNet要求的格式的ShangHai_tech_A的数据集，可直接放到源代码文件的datasets目录下，将data_root参数改成此目录即可开始训练。
RGBD-Counting:RGBD人群计数
05-09
RGBD人群计数 PyTorch对CVPR2019论文的实施： “用于RGB-D人群计数和定位的密度图回归引导检测网络” [ ] [] 李东泽*，李静*，贾正，罗维新，高胜华 （*平等贡献） 要求 的Python：3.x 火炬：1.1+ 毫米波检测：1.0 ShanghaiTechRGBD数据集 下载我们的ShanghaiTechRGBD数据集： ShanghaiTechRGBD/ ├── train_data/ ├── train_img/*.png ├── train_depth/*.mat └── train_gt/*.mat └── test_data/ ├── test_img/*.png ├── test_depth/*.mat └── test_bbox_anno/*.mat 数据预处理的一些解释： 深度的度量单位
ShanghaiTech数据集.mat可视化效果
m0_50574115的博客
05-22 357
【代码】ShanghaiTech数据集.mat可视化效果。
MCNN密度图绘制（shanghaitech数据集复现）
weixin_41143397的博客
04-17 4341
https://blog.csdn.net/sinat_35406909/article/details/83548694 1.复现了上边网址的代码，成功出现密度图 链接：https://pan.baidu.com/s/1sqNLNrBsnBC5IdlzgXsl3Q 提取码：aki0 将自己的弄好的路径文件（windows下的放入百度网盘，在jupyternotebook下直接运行即可） ...
人群密度检测----shanghaiTech 数据集详细介绍
最棒的yee
04-29 5968
shanghaiTech数据集包含两部分：part_A_final，part_B_final A部分训练集：300张图片，测试集：182张图片。 part_A_final ------ train_data ------test_data B部分训练集：400张图片，测试集：316张图片。 part_B_final ------ train_data ------test_data A,B两部分测试集和训练集打开都包含images和ground_truth两部分 images如下图所示..
提取mat标注文件中的关键点数量并输出到csv和txt文件（shanghaiTech数据集）
johnhamtom的博客
01-11 557
提取mat标注文件中的关键点数量并输出到csv和txt文件（shanghaiTech数据集）
评论 24
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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