常见人脸识别数据库AR、ORL、Yale、YaleB、FERET、PIE
常见人脸识别数据库(AR、ORL、Yale、YaleB、FERET、PIE)
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 1874 2016-07-12 21:00 DatabaseAR10Class1.mat
文件 1863 2016-07-12 21:00 DatabaseAR10Class10.mat
文件 1859 2016-07-12 21:00 DatabaseAR10Class2.mat
文件 1878 2016-07-12 21:00 DatabaseAR10Class3.mat
文件 1863 2016-07-12 21:00 DatabaseAR10Class4.mat
文件 1860 2016-07-12 21:00 DatabaseAR10Class5.mat
文件 1859 2016-07-12 21:00 DatabaseAR10Class6.mat
文件 1866 2016-07-12 21:00 DatabaseAR10Class7.mat
文件 1857 2016-07-12 21:00 DatabaseAR10Class8.mat
文件 1884 2016-07-12 21:00 DatabaseAR10Class9.mat
文件 1874 2016-07-12 21:00 DatabaseAR10Class_original1.mat
文件 1864 2016-07-12 21:00 DatabaseAR10Class_original10.mat
文件 1861 2016-07-12 21:00 DatabaseAR10Class_original11.mat
文件 1861 2016-07-12 21:00 DatabaseAR10Class_original12.mat
文件 1855 2016-07-12 21:00 DatabaseAR10Class_original13.mat
文件 1862 2016-07-12 21:00 DatabaseAR10Class_original14.mat
文件 1878 2016-07-12 21:00 DatabaseAR10Class_original15.mat
文件 1865 2016-07-12 21:00 DatabaseAR10Class_original16.mat
文件 1858 2016-07-12 21:00 DatabaseAR10Class_original17.mat
文件 1863 2016-07-12 21:00 DatabaseAR10Class_original18.mat
文件 1860 2016-07-12 21:00 DatabaseAR10Class_original19.mat
文件 1866 2016-07-12 21:00 DatabaseAR10Class_original2.mat
文件 1858 2016-07-12 21:00 DatabaseAR10Class_original20.mat
文件 1866 2016-07-12 21:00 DatabaseAR10Class_original21.mat
文件 1862 2016-07-12 21:00 DatabaseAR10Class_original22.mat
文件 1859 2016-07-12 21:00 DatabaseAR10Class_original23.mat
文件 1877 2016-07-12 21:00 DatabaseAR10Class_original24.mat
文件 1868 2016-07-12 21:00 DatabaseAR10Class_original25.mat
文件 1859 2016-07-12 21:00 DatabaseAR10Class_original26.mat
文件 1856 2016-07-12 21:00 DatabaseAR10Class_original27.mat
............此处省略1272个文件信息
function DataLabel_random(databasegroup)
% 生成训练序列标签trainIdx测试序列标签testIdx冒充者训练集标签Imposter_train冒充者测试集标签Imposter_test.
% 要求:训练集和测试集中人脸的个数相同。冒充者的训练集和测试集中的人脸个数也相同
% Input:
% database -----选择数据库用于实验,参数选择为‘ORL‘‘Yale‘‘YaleB‘‘PIE‘ or ‘AR‘;
% group -----生成的标签组数,默认为50组
% Example:
% label(‘ORL‘5);
% 2013/9/3 星期 2 ym
if (~exist(‘group‘‘var‘))
group = 50;
end
switch lower(database)
case ‘orl‘
% ORL :随机选择20类随机选择选择5个人脸训练,5个测试,库中每类剩余0张人脸
% 再剩余的类的人脸图像中随机选择100个作为冒充者的训练集
% 再从剩余的图像中选择100个作为冒充者的测试集
Nump = 40; Nots = 10; filename=‘ORL‘;
Train_number = 5; % ORL选择5个训练
if (Train_number >= Nots)
error(‘训练样本个数应小于每类样本总个数!‘);
end
% 什么意思 ?
a=‘mkdir ‘;
s=[a database ‘‘ num2str(Train_number) ‘Train‘];
system(s);
% 随机选择ClassNo = 20个类
ClassNo = 16;
Q = rand(1Nump);
[~ P] = sort(Q);
Gallery_Class = P(1:ClassNo);
Imposter_Class = P(ClassNo+1:end);
% 随机选择人脸构造训练集和测试集,冒充者的训练集和测试集
for k=1:group % group个(.mat)文件
% Label1:库中训练集临时索引; Label2: 库中测试集临时索引
% Label3:冒充者的训练集临时索引;Label4:冒充者的测试集临时索引
Label1=[];Label2=[];Label3=[];Label4=[];
% 库中的训练和测试
for i=1:length(Gallery_Class)
r=rand(1Nots);
[~p]=sort(r);
% Gallery_Class中随机抽取
Label1 = [Label1 p(1:Train_number)+(Gallery_Class(i)-1) * Nots]; % 对应的每个元素都加
Label2 = [Label2 p(Train_number+1:Nots)+(Gallery_Class(i)-1) * Nots];
end
% 冒充的训练和测试在剩余的类中随机的选择100图片作为冒充者的训练集100个作为冒充者的测试集
Imposter_Data =[];
for i=1:length(Imposter_Class)
Simple_class = (Imposter_Class(i) - 1)*Nots+1 : Imposter_Class(i)*Nots; % 一类人脸的索引
Imposter_Data = [Imposter_Data Simple_class];
end
Im_r=rand(1200);
[~Im_p]=sort(Im_r);
Label3 = Imposter_Data(Im_p(1:100));
Label4 = Imposter_Data(Im_p(101:200));
% 最终的标签
trainIdx = Label1‘;
testIdx = Label2‘;
Imposter_train = Label3‘;
Imposter_test = Label4‘;
save(strcat(filenamenum2str(Train_number)‘Train‘num2str(k)‘.mat‘)‘trainIdx‘‘testIdx‘‘Imposter_train‘‘Imposter_test‘);
% ORL5Train1.mat 里面包含trainIdxtestIdx
end
case ‘yale‘
% Yale:随机选择7类随机选择选择5个人脸训练,5个测试库中每类剩余一张人脸
% 再剩余的类的人脸图像中随机选择40个作为冒充者的训练集
% 再从剩余的图像中选择40个作为冒充者的测试集
Nump=15;Nots=11;filename=‘Yale‘;
Train_number = 5; % Yale选择5个训练
if (Train_number >= Nots)
error(‘训练样本个数应小于每类样本总个数!‘);
end
% 什么意思 ?
a=‘mkdir ‘;
s
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 1874 2016-07-12 21:00 Databa
文件 1863 2016-07-12 21:00 Databa
文件 1859 2016-07-12 21:00 Databa
文件 1878 2016-07-12 21:00 Databa
文件 1863 2016-07-12 21:00 Databa
文件 1860 2016-07-12 21:00 Databa
文件 1859 2016-07-12 21:00 Databa
文件 1866 2016-07-12 21:00 Databa
文件 1857 2016-07-12 21:00 Databa
文件 1884 2016-07-12 21:00 Databa
文件 1874 2016-07-12 21:00 Databa
文件 1864 2016-07-12 21:00 Databa
文件 1861 2016-07-12 21:00 Databa
文件 1861 2016-07-12 21:00 Databa
文件 1855 2016-07-12 21:00 Databa
文件 1862 2016-07-12 21:00 Databa
文件 1878 2016-07-12 21:00 Databa
文件 1865 2016-07-12 21:00 Databa
文件 1858 2016-07-12 21:00 Databa
文件 1863 2016-07-12 21:00 Databa
文件 1860 2016-07-12 21:00 Databa
文件 1866 2016-07-12 21:00 Databa
文件 1858 2016-07-12 21:00 Databa
文件 1866 2016-07-12 21:00 Databa
文件 1862 2016-07-12 21:00 Databa
文件 1859 2016-07-12 21:00 Databa
文件 1877 2016-07-12 21:00 Databa
文件 1868 2016-07-12 21:00 Databa
文件 1859 2016-07-12 21:00 Databa
文件 1856 2016-07-12 21:00 Databa
............此处省略1272个文件信息
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件举报,一经查实,本站将立刻删除。
评论列表(条)