Stanford Cars Datasets
-
Overview:
Stanford Cars數(shù)據(jù)集簡(jiǎn)稱CARS196，由斯坦福大學(xué)—人工智能實(shí)驗(yàn)室于2013年發(fā)布，主要用于細(xì)粒度分類任務(wù)。 數(shù)據(jù)集包含196中汽車類型的圖像，16185張不同型號(hào)的汽車圖片，其中8144張為訓(xùn)練集，8041張為測(cè)試集。每個(gè)類別的圖像相當(dāng)，其中分類基于汽車品牌、車型和年份，例如：2012特斯拉Model S、2012 BMW M3 coupe。
- Download：
下載網(wǎng)址：https://ai.stanford.edu/~jkrause/cars/car_dataset.html
訓(xùn)練集圖片下載：car_train.gz
測(cè)試集圖片下載：car_test.gz
開(kāi)發(fā)工具包devkit：car_devkit.gz
所有圖片的tar文件：car_ims.gz
用于訓(xùn)練和測(cè)試的所有邊框和標(biāo)簽：cars_annos_mat
README提供了有關(guān)汽車196數(shù)據(jù)集的文件的描述：
- cars_meta.mat：
包含類名稱的單元格數(shù)組，每個(gè)類一個(gè)。 - cars_train_annos.mat：
包含變量“ annotations”，它是長(zhǎng)度為num_images的結(jié)構(gòu)數(shù)組，其中每個(gè)元素都具有字段：
bbox_x1：邊界框的最小x值，以像素為單位
bbox_x2：邊界框的最大x值，以像素為單位
bbox_y1：邊界框的最小y值，以像素為單位
bbox_y2：邊界框的最大y值，以像素為單位
class：圖像所屬類的id。
fname：圖像文件夾中的圖像文件名。
“ annotations”變量中包含我們想要的結(jié)構(gòu)數(shù)據(jù)，包括標(biāo)簽、圖像文件名以及圖像邊界框信息，因此我們只需處理annotations變量并從中提取我們想要的信息 - cars_test_annos.mat：
與cars_train_annos.mat相同，但未提供class字段。
提交文件格式：
- 要提交的文件應(yīng)該是.txt文件，第M行上為圖像M的類別預(yù)測(cè)。 請(qǐng)注意，圖像M對(duì)應(yīng)于提供的注釋文件中的第M個(gè)注釋。 這種格式的文件示例是train_perfect_preds.txt。
- devkit中包括一個(gè)用于評(píng)估訓(xùn)練準(zhǔn)確性的腳本eval_train.m。 用法是：
(in MATLAB）[accuracy，confusion_matrix] = eval_train('train_perfect_preds.txt')
假設(shè)訓(xùn)練預(yù)測(cè)和測(cè)試預(yù)測(cè)是相同的格式，那么你在訓(xùn)練預(yù)測(cè)時(shí)使用這種函數(shù)，在評(píng)估服務(wù)器下測(cè)試預(yù)測(cè)應(yīng)該有很好的結(jié)果
- Evaluation：
設(shè)置了評(píng)估服務(wù)器，按照deckit中包含有關(guān)提交格式的說(shuō)明提交文件，即可評(píng)估。
- Citation：
如果使用此數(shù)據(jù)集，引用以下論文：
3D Object Representations for Fine-Grained Categorization
Jonathan Krause, Michael Stark, Jia Deng, Li Fei-Fei
4th IEEE Workshop on 3D Representation and Recognition, at ICCV 2013 (3dRR-13). Sydney, Australia. Dec. 8, 2013.文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-468679.html
注意：發(fā)布數(shù)量具有196個(gè)類別，比論文少一類，因?yàn)樽园l(fā)布以來(lái)已經(jīng)對(duì)其進(jìn)行了一些請(qǐng)理。數(shù)字應(yīng)該或多或少具有可比性。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-468679.html
到了這里，關(guān)于Stanford Cars Datasets的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
