Stanford Cars数据集的下载与使用
简介
Stanford Cars数据集是一个用于细粒度分类任务的数据集，包含16185张不同型号的汽车图片。其中，8144张为训练集，8041张为测试集。该数据集主要用于区分不同品牌、型号和年份的汽车。
数据集内容
- 图片数量: 16185张
- 训练集: 8144张
- 测试集: 8041张
- 类别数量: 196类
下载方式
数据集可以通过以下方式下载：
- 官网下载: 访问Stanford Cars数据集的官方网站进行下载。
- 百度网盘下载: 如果官网链接失效，可以通过百度网盘下载，提取码为6666。
数据集结构
数据集包含两个主要文件：
- 图片文件夹: 包含所有16185张汽车图片。
- 标注文件: 以MATLAB格式保存的标注文件，包含图片的类别、边界框等信息。
使用方法
1. 提取类别名
使用Python脚本提取类别名，并保存为文本文件。
import scipy.io
data = scipy.io.loadmat('cars_annos.mat')
class_names = data['class_names']
with open('label_map.txt', 'w') as f_class:
for j in range(class_names.shape[1]):
class_name = str(class_names[0, j][0]).replace(' ', '_')
f_class.write(f"{j+1} {class_name}\n")
2. 提取图片信息
提取图片的序号、文件名、类别和是否属于测试集的信息。
import scipy.io
data = scipy.io.loadmat('cars_annos.mat')
annotations = data['annotations']
with open('mat2txt.txt', 'w') as f_train:
for i in range(annotations.shape[1]):
name = str(annotations[0, i][0])[2:-2]
test = int(annotations[0, i][6])
clas = int(annotations[0, i][5])
f_train.write(f"{i+1} {name} {clas} {test}\n")
注意事项
- 在提取类别名时，如果类别名中包含斜杠（/），建议将其替换为下划线（_），以避免读取文件时出错。
- 数据集大小约为2GB，建议在Linux系统下使用axel多线程下载工具进行下载，以提高下载速度并支持断点续传。
参考资料
该数据集的使用方法和详细介绍可以参考CSDN博客文章《Stanford Cars数据集的下载与使用》。