哥伦比亚大学图像有关数据库WILD

网站:http://www.cs.columbia.edu/CAVE/

哥伦比亚大学图像有关数据库WILD_第1张图片 自动场景拼贴软件和编辑器
哥伦比亚大学图像有关数据库WILD_第2张图片 COIL-20:哥伦比亚对象图像库
哥伦比亚大学图像有关数据库WILD_第3张图片 COIL-100:哥伦比亚对象图像库
哥伦比亚大学图像有关数据库WILD_第4张图片 哥伦比亚凝视数据集
哥伦比亚大学图像有关数据库WILD_第5张图片 污染物数据库
哥伦比亚大学图像有关数据库WILD_第6张图片 CURET:Columbia-Utrecht反射和纹理数据库
哥伦比亚大学图像有关数据库WILD_第7张图片 DoRF&EMoR:相机响应数据库和模型
哥伦比亚大学图像有关数据库WILD_第8张图片 EDGEVAL:边缘检测器评估的全球措施
哥伦比亚大学图像有关数据库WILD_第9张图片 FaceTracer数据库
哥伦比亚大学图像有关数据库WILD_第10张图片 LSD:实时重新算法
哥伦比亚大学图像有关数据库WILD_第11张图片 多光谱图像数据库
哥伦比亚大学图像有关数据库WILD_第12张图片 NEARSEARCH:最近邻搜索
哥伦比亚大学图像有关数据库WILD_第13张图片 公开人物面孔数据库
哥伦比亚大学图像有关数据库WILD_第14张图片 RAFA:聚焦分析的理性过滤器
哥伦比亚大学图像有关数据库WILD_第15张图片 雨条数据库
哥伦比亚大学图像有关数据库WILD_第16张图片 RASCAL:辐射自我校准
哥伦比亚大学图像有关数据库WILD_第17张图片 REFLEX:用于柔性成像和投影的反射镜
哥伦比亚大学图像有关数据库WILD_第18张图片 SLAM:用于外观匹配的软件库
哥伦比亚大学图像有关数据库WILD_第19张图片 飞溅数据库
哥伦比亚大学图像有关数据库WILD_第20张图片 STAF:时变表面数据库
哥伦比亚大学图像有关数据库WILD_第21张图片 TVBRDF:随时间变化的BRDF数据库
哥伦比亚大学图像有关数据库WILD_第22张图片 视觉眼睛:探索眼睛的世界
哥伦比亚大学图像有关数据库WILD_第23张图片 WILD:天气和照明数据库

重要内容:


搜索引擎


哥伦比亚天气和照明数据库(WILD)是一个广泛的数据库,可以在任何季节,照明和天气条件下捕捉到静态室外场景的高质量校准图像。分发的两张DVD包含这个大型数据集的一个子集(大约850张图片),其中包含各种季节,照明和天气变化。有关数据库本身的详细信息,请参阅我们在[ 出版物  ] 页面上提到的文件  本页面提供有关如何使用我们的matlab搜索引擎根据存储的地面实况数据查找WILD数据库的图像的说明。


软件要求

  搜索引擎工具已在Windows NT / 2000 / XP上测试过。 完整的功能需要基本的Matlab(版本6)和图像处理(版本3.1)工具箱。如果Matlab不可用,则PC的独立exe版本(Win32控制台应用程序)可以使用较低的功能。Matlab Compiler Version 3.0被用来将基于Matlab的搜索引擎编译成独立的应用程序。
  请注意,搜索引擎的matlab和exe版本都包含在2张DVD上分发的Image数据集中。如果你没有WILD DVD,那么你可以从[ 这里  ] 下载搜索引擎软件  即使没有DVD,您也可以浏览图像的类型(基于大气条件和其他[ 地面真相信息  ])使用搜索引擎软件打包在DVD上。这将有助于决定图像集是否对您的研究活动有用。


软件安装说明

  (i)运行matlab版本:
     (a)启动Matlab并将当前的matlab目录更改为matlab(.m)文件和图像数据库所在的目录。如果您有WILD DVD,则可以从DVD本身运行搜索引擎。没有必要将整个数据库(数千兆字节的数据)复制到本地目录中。
    (b)在matlab命令提示符下键入“search_wild”

  (ii)运行独立exe版本:
     (a)如果您拥有WILD DVD,则必须将SYSTEM PATH变量设置为:WILD_DVD_Clear \ bin \ win32或:WILD_DVD_BadWeather \ bin \ win32。如果将DVD的内容复制到硬盘位置,则必须将SYSTEM PATH变量设置为:\ bin \ win32。
    
(b)运行clear_search_wild.exe浏览晴天数据库(DVD1)或weather_search_wild.exe浏览恶劣天气数据库(DVD2)。

  (iii)如果您只想浏览不带DVD的图像集类型,请从[ 这里 ] 下载可安装的zip文件,然后按照[ 1STREADME.txt  ]中的说明进行操作  


常见问题和错误(要定期更新)

  如果搜索引擎GUI显示不正确,请提高显示器的分辨率并重新启动搜索引擎软件。如果独立应用程序抱怨它无法找到dll或入口点,则系统路径至 \ bin \ win32可能设置不正确。请尝试重置系统PATH变量。如果问题仍然存在,请尝试删除可能已经在系统路径中设置的任何matlab路径。

  请将任何其他问题报告给[email protected]


如何使用搜索引擎工具

  本部分提供了一步一步的说明,介绍如何使用搜索引擎工具以及正在运行的工具的屏幕截图。




第1

步当执行search_wild.exe或matlab文件search_wild.m时,弹出一个小菜单GUI,要求用户选择清除天气数据库或恶劣天气数据库。相应地,适当的数据库内容被加载到搜索引擎中。请注意,搜索引擎文件必须放置在ClearWeatherDatabase或BadWeatherDatabase存在的目录中。


哥伦比亚大学图像有关数据库WILD_第24张图片
 



第2步
当点击上述步骤中的某个数据库按钮时,搜索引擎的基本用户界面如下所示。

 


步骤3
在搜索引擎用户界面中填写所需条目。下面显示了一个例子,我们想要搜索在晴朗天气下拍摄的图像,但在部分多云的天空下,湿度在40%到60%之间,一天中的时间为上午9点到下午8点。未填写的条目可以具有任何值。

哥伦比亚大学图像有关数据库WILD_第25张图片
 


步骤4
要保存您输入的设置,您可以在GUI底部提供一个文件名,如下所示,然后按下SAVE SETTINGS按钮。要再次加载设置,请输入文件名,然后单击LOAD SETTINGS按钮。文件名的扩展名应该是“.mat”。如果未提供扩展名,则添加默认扩展名(.mat)。如果给出的文件名没有路径,则在当前目录中创建该文件。从DVD运行此软件时,可能会导致错误。因此,为避免此问题,请指定可以创建文件的完整路径。

哥伦比亚大学图像有关数据库WILD_第26张图片
 


步骤5
点击“搜索数据库”按钮以获得搜索结果。这会弹出另一个用户界面,其中包含满足您条件的图像列表。如果搜索条件不正确,则在结果GUI上发布相应的错误消息。如果搜索标准过于具体(例如,当湿度水平在35%到40%之间时拍摄的所有图像),可能会有极少或完全不符合搜索标准的图像。通过放松一些要求再试一次。
图像的位置/路径显示在此GUI中。图像根据其捕捉时间进行存储。例如,路径D:\ WILD_DVD_Clear \ WeatherDatabase \ 2002 \ Jun \ 10 \ 21表示图像是在2002年6月10日晚上9点拍摄的。

哥伦比亚大学图像有关数据库WILD_第27张图片
 




第6

步结果GUI可用于可视化符合搜索条件的图像。数据库中的图像是辐射测量线性化的(线性辐射测量响应函数)并且往往是黑暗的。要显示图像,请输入伽玛值(小于1表示较亮),选择要查看的图像,然后按下面的屏幕截图中所示的“查看所选图像”按钮。
请注意,gamma的应用仅用于可视化,并不会更改存储在数据库中的图像。

哥伦比亚大学图像有关数据库WILD_第28张图片
 



STEP 7

另一个高级选项授予希望将自己的matlab函数应用于所选图像的用户。此函数的格式应为:
outputImage = function(inputImage)
例如,要仅显示图像的灰度版本,则可以在提供的空白处键入“rgb2gray”(请参见下面的屏幕截图。)
注意:搜索引擎不是一种处理图像的工具,但仅提供一些选项,如伽马校正,仅用于可视化目的。用户 不能使用独立的Win32控制台应用程序(.exe)版本 的搜索引擎来应用他们自己的matlab函数这个功能需要Matlab。

哥伦比亚大学图像有关数据库WILD_第29张图片
 


步骤8
的“查看选定图像”按钮用于在全分辨率,以查看图像(1520 X 1008,每色通道像素16位),并因此可能会需要很长的时间来装载和应用用户的功能(γ或rgb2gray ,说)。为了获得更快的可视化,提供了查看图像的预先计算的低分辨率缩略图的选项。图像处理功能伽玛等)不能由用户应用于这些缩略图。用户可以选择一组图像并查看所选图像的缩略图版本的时间推移视频。这有助于决定如何进一步修剪图像集。时间推移视频也可以保存为未压缩的avi文件。有关详细信息,请参阅步骤6中的图。
注意 用户无法使用独立的Win32控制台应用程序(.exe)版本 的搜索引擎将时间推移视频保存为AVI文件这个功能需要Matlab。
 


步骤9
可以将与用户搜索条件匹配的图像路径保存在文本文件中。 如果给出的文件名没有路径,则在当前目录中创建该文件。 从DVD运行此软件时,可能会导致错误。因此,为避免此问题,请指定可以创建文件的完整路径。
请参阅第6步中的图。

你可能感兴趣的:(深度学习)