解释 CNN 图像的真实 .mat 文件

Question

晚上好，

我是 CNN 编码新手我有 ShanghaiTech 人群计数数据集，其中包含（在图像旁边）.mat 文件，用于我认为图像（计数）的基本事实。

我尝试在 python 中打印一个 .mat 文件的内容，这是我得到的：

{'image_info': array([[array([[(array([[ 855.32345978,  590.49587357],
   [ 965.5908524 ,  472.79472415],
   [ 937.09478464,  400.93507502],
   ...,
   [  42.5852337 ,  359.87860699],
   [1017.48233659,    8.99748811],
   [1017.48233659,   23.31916643]]), array([[920]], dtype=uint16))]],
  dtype=[('location', 'O'), ('number', 'O')])]], dtype=object), '__version__': '1.0', '__header__': 'MATLAB 5.0 MAT-file, Platform: PCWIN64, Created on: Fri Nov 18 20:06:05 2016', '__globals__': []}

每个.mat文件对应一张图片，我知道在 CNN 的某个时候我们需要计算网络结果和我们拥有的真实情况之间的误差，但我似乎不了解这些 .mat 文件的结构和内容。

有人可以解释这些文件中的内容以及这些内容在人群估算中的使用方式或用途。

Answer 1

所以我得到了答案，问题中显示的 .mat 中的数据包含（或至少我们感兴趣的）两个数组，第一个：

array([[ 855.32345978,  590.49587357],
   [ 965.5908524 ,  472.79472415],
   [ 937.09478464,  400.93507502],
   ...,
   [  42.5852337 ,  359.87860699],
   [1017.48233659,    8.99748811],
   [1017.48233659,   23.31916643]])

是一个N by 2数组，2对应目标对象X和Y坐标，其中N为目标物体个数（地面-真相)

另外，第二个数组包含 ground-truth

.mat文件的数据是通过scipy.io.loadmat提取的，数据的结构是字典，现在要深入了解那是非常棘手的，但它是这样的：

matContent=spy.io.loadmat(os.path.join(gtPath,gtList[1])) #var type is dictionary
gt=matContent['image_info'][0][0][0][0][1] #getting the ground-thruth number

解释 CNN 图像的真实 .mat 文件

explain ground-thruth .mat file of an image for CNN

matlab

neural-network

mat

conv-neural-network