Dataset ETHZ para Modelagem Baseada em Aparência
Os resultados experimentais para o artigo Aprendendo Modelos Baseados em Aparência Discriminativa Usando Mínimos Quadrados Parciais, apresentado no SIBGRAPI’2009 (link para a página de pesquisa) foram obtidos usando o dataset ETHZ, que fornece um grande número de diferentes pessoas capturadas em condições não controladas. As sequências de vídeo são capturadas a partir de câmeras em movimento, o que fornece uma gama de variações nas aparências das pessoas.
Dados
Usamos a localização fática das pessoas no vídeo para cortar cada pessoa, depois criamos um diretório contendo amostras de cada pessoa (p0 ?? – p0 ??) para cada sequência de vídeo. As amostras nos diretórios têm o tamanho original, mas em nossos experimentos elas foram redimensionadas para 32 × 64 pixels. Em nossos experimentos, escolhemos uma das amostras de cada pessoa para aprender o modelo baseado em aparência e as demais amostras para classificação (esse procedimento foi repetido algumas vezes e a média foi usada). Os resultados foram dados pela taxa de reconhecimento global. A figura abaixo mostra alguns exemplos de amostras recortadas contidas na primeira sequência de vídeo do conjunto de dados.
Amostras recortadas usadas de todas as três sequências: [arquivo zip (146 MB)]
Referências
Você deve citar o seguinte artigo caso use este dataset em seu trabalho.
| : Assigning Relative Importance to Scene Elements. Em: Conference on Graphics, Patterns and Images (SIBGRAPI), pp. 1-8, 2017. |
Publicações Relacionadas
Object-based Temporal Segment Relational Network for Activity Recognition Inproceedings Em: Conference on Graphic, Patterns and Images (SIBGRAPI), pp. 1-8, 2018. |
Statistical Measures from Co-occurrence of Codewords for Action Recognition Inproceedings Em: VISAPP 2018 - International Conference on Computer Vision Theory and Applications, pp. 1-8, 2018. |
Pyramidal Zernike Over Time: A spatiotemporal feature descriptor based on Zernike Moments Inproceedings Em: Iberoamerican Congress on Pattern Recognition (CIARP 2017), pp. 77-85, 2017. |
Activity Recognition based on a Magnitude-Orientation Stream Network Inproceedings Em: Conference on Graphics, Patterns and Images (SIBGRAPI), pp. 1-8, 2017. |
Optical Flow Co-occurrence Matrices: A Novel Spatiotemporal Feature Descriptor Inproceedings Em: IAPR International Conference on Pattern Recognition (ICPR), pp. 1-6, 2016. |