1. Introducción al conjunto de datos de atributos de peatones PA100K
El conjunto de datos PA-100K es el conjunto de datos más grande utilizado hasta ahora para el reconocimiento de atributos de peatones. Contiene un total de 100,000 imágenes de peatones recolectadas de cámaras de vigilancia al aire libre, y cada imagen tiene 26 atributos comunes. Según la configuración oficial, todo el conjunto de datos se divide aleatoriamente en 80.000 imágenes de entrenamiento, 10.000 imágenes de verificación y 10.000 imágenes de prueba.
El blogger colocó el conjunto de datos en el disco en la nube de Baidu,https://pan.baidu.com/s/1sOg6S3QU8NucfFj5SF50qg Código de extracción: lh02, descárguelo si es necesario.
2. Análisis de datos de peatones
Después de descargar los datos de Baidu Cloud, descubrí que la información de la anotación es un archivo de anotación annotation.mat, y no es fácil sentir intuitivamente la información de la anotación.
Entonces, analicemos y procesemos annotation.mat en un formato familiar. El código de conversión es el siguiente:
import pandas as pd
import scipy
from scipy import io
data = scipy.io.loadmat('annotation.mat')
def mat2txt(data, key):
subdata = data[key]
dfdata = pd.DataFrame(subdata)
dfdata.to_csv("%s.txt" % key, index=False)
if __name__ == "__main__":
data = scipy.io.loadmat("annotation.mat")
key_list = ["attributes", "test_images_name", "test_label",
"train_images_name", "train_label",
"val_images_name", "val_label"]
for key in key_list:
mat2txt(data, key)
Después de ejecutar el código, el archivo annotation.mat se convierte en varios archivos .txt. Como se muestra abajo:
Úselo para ver attribute.txt test_images_name.txt test_label.txt El contenido interior es el siguiente (lo abrí con vim):
Cómo entrenar el modelo de atributos de peatones, consulte: entrenamiento del modelo de atributos de peatones basado en fastreid
Recomiende un buen proyecto de capacitación sobre atributos de peatones: https://blog.csdn.net/Guo_Python/article/details/113735260
De acuerdo, con estos datos, puede realizar una investigación de reconocimiento de atributos de peatones.
Otro conjunto de datos públicos presenta PEAT: https://blog.csdn.net/hyk_1996/article/details/80322026
Para intercambios técnicos, deje un mensaje o WeChat: