概述
为了获得高效的手部分割数据集，我们尝试用超像素的方法改造NYU数据集。跑了一个SLIC算法后，我们看看这个NYU数据集。
NYU hand pose dataset
1.a看个例子
用matlab打开工程，运行visualize_example.m
1.b深度图像存储的问题
数据集中图像有3种：RGB，深度图，合成深度图。RGB图像的存储是用3个Byte(8位2进制数据)表示，深度图和合成深度图采用的是第2个Byte和第3个Byte表示的16位深度数据。
虽然不知道NYU所谓的合成手部数据是怎么得到的，不过用这个数据来制作标签明显是更加准确的。
1.c标签的存储和读取
标签存储在joint_data.mat中，包括uvd坐标和xyz坐标，前者是图像坐标，后者是世界坐标。（相机编号，图像编号，关节点编号，（x，y，z））。都是浮点数
接下来我们用基于matlab的超像素分割算法搞定这个手部分割算法。
https://www.peterkovesi.com/projects/segmentation/#opennewwindow
2.
2.b
2.c
2.d
后来一想，这必须要一个完整的手部模型，才能更好的得到遮挡的结果，进而得到分割的结果。后来一想，我他妈没事搞啥分割啊？我的目的是为了加速徐方宇的训练，给他一个更好的初始值，那么关键点和部件分割不是有一样的效果吗？我的核心工作应该是关键点检测和强化学习下的参数优化。
最后
以上就是真实季节为你收集整理的NYU Hand Pose Dataset与SCLI的matlab实现——与回头一想1.a看个例子2.2.b2.c2.d的全部内容，希望文章能够帮你解决NYU Hand Pose Dataset与SCLI的matlab实现——与回头一想1.a看个例子2.2.b2.c2.d所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复