# image-feature-extractor

**Repository Path**: winant/image-feature-extractor

## Basic Information

- **Project Name**: image-feature-extractor
- **Description**: 特征提取工具 | 提取图片的GIST、HOG、LBP特征 | GoogLeNet、doc2vec提取特征
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2021-11-27
- **Last Updated**: 2022-03-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

<h1 align="center">图像特征提取</h1>

# 1. 数据集

## 1.1. Scene 15

**简介**

该数据集包含4485张图片，15个类别。
是从Fei-Fei Li发布的场景分类数据集13个类别扩展而来，新增的2类场景是工厂和商店。
原始数据集下载地址：https://figshare.com/articles/dataset/15-Scene_Image_Dataset/7007177。

**生成的数据集**

每个样本包含3个视角，维数分别为1536(gist)/3780(lbp)/4096(hog)

链接：https://pan.baidu.com/s/19YEHrHoxilQXy2MuwLDhNw  
提取码：3y95 
--来自百度网盘超级会员V5的分享


## 1.2. CUB_200_2011

**简介**

11788张鸟类照片，200个类别。
原始数据下载地址：http://www.vision.caltech.edu/visipedia/CUB-200-2011.html

`main.py`我们演示了对前10个类别的图片提取其文本特征和视觉特征。

**生成的数据集**

每个样本包含2个视角，维数分别为1024(googlenet)/todo(doc2vec)

- [ ] todo

# 2. 运行

将原始数据集解压到`dataset/`，运行相应文件夹下的`main.py`即可。

# 3. 参考

+ 使用pytorch搭建GoogLeNet网络 <https://blog.csdn.net/action_now_zj/article/details/109379754>
+ Practice on cifar100 <https://github.com/weiaicunzai/pytorch-cifar100>