开yun体育官网入口登录app 约克大学公开11k Hands数据集:使用手部图像数据集进行性别识别
“雷克世界”编译:嗯〜Ah Tongmu
11K手数据集涵盖了190到75之间的实验对象的11076手图像(1600 x 1200像素)。根据要求,必须打开每个实验对象或握紧左手和右手的手指。然后,在统一的白色背景和手距离的位置的情况下,每只手的背面大致相同。射击。有与每个图像相关的元数据记录,其中包括:(1)实验对象ID,(2)性别,(3)年龄,(4)肤色,(5)手捕获的组信息,即右手或左手,手的部分(手的背部或棕榈)和逻辑指示器,即指示手图像是否包含配件,指甲油是否与规则一致。所提出的数据集具有大量更详细的手图像,并具有更详细的元数据。该数据集是免费的开yun体育app入口登录,可直接用于合理的学术研究。
相关论文
您可以单击链接以阅读纸张预印书:
相关参考
如果要使用此页面上提供的数据集,源代码或训练有素的模型,请引用以下内容:
Mahmoud Afifi:“使用手图像进行性别识别和生物学特征识别的大数据集”。 ARXIV预印型ARXIV:1711.04322(2017)
统计数据
下图显示了数据集的基本统计信息。
第一张图片包含以下内容:
顶部:显示数据集肤色的分布。每种肤色的图像数量写在图的右上角。使用Conaire等人提出的皮肤测试算法。执行皮肤测试过程。
底部:统计数据(1)实验对象的数量,(2)手图像(手掌的背部和手掌),(3)带有附件的手图像,(4)带指甲油的手动图像。
第二个图显示了实验对象的年龄分布和数据集的图像。
与其他数据集进行比较
基本模型
我们使用用于性别分类的数据集提出了双重运行CNN。然后,我们将此训练的双电流CNN用作性别分类和生物学特征的特征提取器。后者可以使用两种不同的方法进行处理。在第一种方法中开yun体育app官方下载入口,我们从训练有素的CNN的深度特征构建了建设性特征向量,以训练支持向量机(SVM)分类器。在第二种方法中,三个SVM分类器由从不同层训练的CNN提取的深度特征喂养,并且使用局部二进制模式(LBP)功能对SVM分类器之一进行了训练,以提高分类得分获得的正确识别率在所有SVM分类器中。
您可以在下面的链接中下载训练有素的模型和分类器。
手图:
0bwo0rmrzjciocglvdnjxb0ltahm
元数据:
0bwo0rmrzjciomwjfvdzxxczfawee
性别分类源代码:
1HTNFS4-VCLGKUFDNZ_8L_L13QVZ8CYPQ
生物特征源代码:
1FMK1KCBIZSFQVGSISWFUWHP2HYKGE43R
使用Conaire等人提出的皮肤检测技术。获取皮肤面膜图像:
性别
由于我们的手动图像数量偏离(请参见上面的统计数据),因此我们使用每个性别的1,000个背手图像进行训练,并使用每个性别的500个背部图像进行测试。这些图像是随机选择的,因此训练和测试集是非定型实验的对象,这意味着,如果该实验对象的手图像出现在训练数据中,则将实验对象排除在测试数据中,否则,它也是。当然。同样,对于棕榈侧图像,相同。对于每一方,我们重复实验10次,以避免过度拟合问题,并将平均准确性作为评估测量。
为了进行比较开yun体育官网入口登录app,我们使用10组培训和测试来训练不同的图像分类方法。(1)(1)(bow)(2 bow)(2)Fisher 向量、(3)Alexnet(CNN)(CNN)、(4) (vgg-16)(CNN)(5)VGG-19(CNN)(CNN)6)GOOGLENET(CNN)。对于第一个图像分类框架(BOW和FV),我们使用三个不同的特征描述符:(1)筛选,(2)C-Sift和(3)RGSIFT。为了进一步比较,我们建议使用相同的评估标准。下表是实验中使用的10组培训和测试组,请参见下表:
每个集合包含以下文件:
g_imgs_traying_d.txt:培训图像文件名(返回)
g_imgs_traying_p.txt:训练有素的图像文件名(棕榈侧)
g_imgs_testing_d.txt:测试的图像文件名(返回)用于测试
g_imgs_testing_p.txt:测试的图像文件名(棕榈侧)
g_traying_d.txt:g_imgs_traying_d.txt,每个相应的图片文件名称的真实性别
g_traying_p.txt:g_imgs_traying_p.txt每个相应图片文件名称的真实性别
g_testing_d.txt:g_imgs_testing_d.txt每个相应图像文件名称的真实性别
g_testing_p.txt:g_imgs_testing_p.txt每个相应的图像文件名称的真实性别
您可以使用此MATLAB代码(
0BWO0RMRZJCIOLHLTFMVFGWUTQ)提取每个实验中使用的图像。该代码生成10个目录,每个目录包含每个性别的培训和测试集。然后,您可以使用Imagedatastore函数(
)让我们加载它们(请参阅cnn_training.m源代码)。
受过训练的CNN型号,SVM分类器和结果
如果您不安装用于网络支持软件包的MATLAB神经网络工具箱模型,则该功能将提供指向附加资源管理器所需的支持软件包的链接。
如本文所述,使用我们的CNN模型作为功能提取器来训练SVM分类器。 SVM分类器通过使用类联合向量训练。其中,第一个流中的FC9和第二个流中的FC10,融合完整连接层的特征将与向量相关联。
生物鉴定
对于生物识别技术,我们使用不同的培训和测试集。我们在80、100和120个实验对象(手掌或背部)图像中使用10个手图像进行训练,并使用4个手图像进行测试。我们将重复实验10次,每次我们随机选择实验对象和图像。我们将平均识别精度作为评估指标。为了进一步比较,我们建议使用相同的评估标准。我们实验中使用的以下10组培训和测试对,请参见下表:
每个集合包含以下文件:
id_imgs_traying_d_s.txt:培训图像文件名(返回)
id_imgs_traying_p_s.txt:训练的图像文件名(棕榈侧)
id_imgs_testing_d_s.txt:用于测试的图像文件名(返回)(返回)
id_imgs_testing_p_s.txt:测试的图像文件名(棕榈侧)
id_traying_d_s.txt:id_imgs_training_d_s.txt ID ID名称的ID名称名称
id_traying_p_s.txt:id_imgs_training_p_s.txt ID ID的ID名称名称
id_testing_d_s.txt:id_imgs_testing_d_s.txt在每个相应的图片文件中图片文件名的真实ID
id_testing_d_s.txt:id_imgs_testing_p_s.txt在每个相应的图片文件中图片文件名的真实ID
注意:S表示实验数:80、100和120。有关更多详细信息,请阅读论文。
您可以使用此MATLAB代码来提取每个实验中使用的图像。该代码生成10个目录,每个目录包含每组实验对象的训练和测试集。每个文件名都包含实验对象的ID。例如,0000000_HAND_0000055.JPG指示具有实验对象号0000000的图像,而其他文件名是原始图像名称。您可以使用此MATLAB代码加载所有图像文件名并提取相应的ID。
训练有素的SVM分类器和结果
如本文所述,使用我们的CNN模型作为功能提取器来训练SVM分类器。每个.mat文件都包含一个分类器对象,其中:
•分类器。低:使用从输入图像平滑版本提取的功能训练的SVM分类器。这些CNN功能是从第一个流中的F9获得的。
•分类器。高:使用输入图像的详细信息的特征进行了训练的SVM分类器。这些CNN特征是从第二流中的F10获得的。
•分类器:fusion:它是使用CNN融合层提取的功能训练的SVM分类器。
•classifier.lbp:它是使用LBP功能培训的SVM分类器。
•Classifier.All:它是使用类联合向量培训训练的SVM分类器。其中,第一个流中FC9的特性,第二流中的FC10以及组合的完整连接层被分类为向量。
客户评论
-
2025-01-28 00:49:12 留言:宇宙第一贴诞生了!http://www.wt9168.com/
-
2025-01-28 01:23:44 留言:支持一个http://avpc9.www.i30i.com
-
2025-01-28 01:27:43 留言:好无聊啊!https://www.btoko.com/
-
2025-01-28 01:36:48 留言:看了这么多帖子,第一次看到这么经典的!https://www.btoko.com/
-
2025-01-28 01:40:21 留言:顶一个!http://n390.cong-lang.com
-
2025-01-28 01:59:24 留言:楼主加油,看好你哦!https://www.sougoui.com/
-
2025-01-28 05:09:30 留言:怪事年年有,今年特别多!https://www.zaloi.com/
-
2025-01-28 05:15:33 留言:有内涵!http://www.se825.com/
-
2025-01-28 08:34:33 留言:楼主的帖子越来越有深度了!http://eummf.33v.com.cn
-
2025-01-28 10:29:30 留言:刚看见一个妹子,很漂亮!https://www.sougoui.com/
-
2025-01-28 11:22:17 留言:楼主是男的还是女的?https://www.btoko.com/
-
2025-01-28 12:24:48 留言:好无聊啊!http://vbr.www.liuyuanhotel.com
-
2025-01-28 13:15:54 留言:对牛弹琴的人越来越多了!http://www.kxyic.com/
-
2025-01-28 16:03:01 留言:好帖子!https://www.sougoui.com/
-
2025-01-28 17:06:58 留言:每天顶顶贴,一身轻松啊!http://hsoe.www.8tmm.com
-
2025-01-28 19:56:33 留言:学习雷锋,好好回帖!http://www.gypwu.com/
-
2025-01-28 20:40:11 留言:不是惊喜,是惊吓!http://356i.fhcjw.com
-
2025-01-28 22:08:27 留言:看帖不回帖都是耍流氓!http://www.dzly88.com/
-
2025-01-29 00:16:32 留言:每天顶顶贴,一身轻松啊!https://www.btoko.com/
我要评论