Places365

最新推荐文章于 2025-11-18 15:59:10 发布
原创 最新推荐文章于 2025-11-18 15:59:10 发布 · 1.2w 阅读 · 40 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#places65

数据集：Places Download
代码：places365

数据集

Places 数据集的设计遵循人类视觉认知的原则。 我们的目标是构建视觉知识的核心，可用于训练人工系统以执行高级视觉理解任务，例如场景上下文、对象识别、动作和事件预测以及心理理论推理。Places 的语义类别由它们的功能定义：标签代表环境的入门级。 为了说明这一点，该数据集具有不同类别的卧室或街道等，因为它们的行为方式不同，并且对接下来可能发生的事情（家庭卧室、酒店卧室或托儿所）的预测也不同。

Places 总共包含超过 1000 万张图像，包括 400 多个独特的场景类别。 该数据集每类具有 5000 到 30,000 个训练图像，与现实世界的发生频率一致。使用卷积神经网络 (CNN)，Places 数据集允许为各种场景识别任务学习深度场景特征，目的是在以场景为中心的基准测试中建立新的最先进的性能。在这里，我们提供地点数据库和训练有素的 CNN，用于学术研究和教育目的。

Places365 CNNs

在 Places2 数据库上训练的卷积神经网络 (CNN) 可用于场景识别以及用于视觉识别的通用深度场景特征。 我们使用 Caffe 和 PyTorch 共享以下预训练的 CNN。

  • Github page for Places365-CNNs.
  • List of the categories
  • Scene hierarchy
    在此我们将Places365-Standard的数据和Places365-Challenge的数据公开。Places365-Standard 是 Places2 Database 的核心集，用于训练 Places365-CNNs。以后我们会在Places365-Standard上添加其他类型的注释。Places365-Challenge 是 Places2 数据库的竞赛集，与 Places365-Standard 相比，它有 620 万张额外的图像。Places365-Challenge 将用于 Places Challenge 2016。

Data of Places365-Standard

Places365-Standard 中有来自 365 个场景类别的 180 万张训练图像，用于训练 Places365 CNN。验证集中每个类别有 50 张图像，测试集中每个类别有 900 张图像。

  • Places365 Development kit
    请务必阅读随附的 README 文件以了解详细信息。 开发套件包括：

  • High-resolution images

    上述档案中的图像已调整为最小尺寸为 512，同时保留图像的纵横比。 尺寸小于 512 的原始图像保持不变。

  • small images(256*256)

    无论原始纵横比如何，上述档案中的图像都已调整为 256 * 256。

  • small images(256*256) with easy directory structure

    • Train and val images. 21G.
      这些图像是 256x256 图像，在更友好的目录结构中，在 train 和 val 拆分中，图像被组织，例如 train/reception/00003724.jpg 和 val/raft/000050000.jpg。因此，您可以使用 pyTorch 示例脚本直接将网络训练为：python main.py -a resnet18 places365_standard。

  • LMDB data for the 256*256 images

Data of Places365-Challenge 2016

与 Places365-Standard 的训练集相比，Places365-Challenge 的训练集有 620 万张额外的图像，导致 Places365 挑战 2016 的训练图像总数达到 800 万张。 验证集和测试集与 Places365-Standard一样.

  • High-resolution images

    上述档案中的图像已调整为最小尺寸为 512，同时保留图像的纵横比。 尺寸小于 512 的原始图像保持不变。

  • Small images（256*256）

Data ofPlaces-Extra69

除了上面Places365中发布的365个场景类别外，这里我们将额外的69个场景类别（Places Database中共有434个场景类别）的图像数据发布为Places-Extra69。Places-Extra69的分类列表在这里。压缩文件中有train和test的分割。 对于每个类别，我们留下 100 张图像作为测试图像。 有 98,721 张图像用于训练，6,600 张图像用于测试。

Evaluation Server of Places365

您可以通过评估服务器注册提交对Places365测试集的预测。

场景分类（365+69=434类）

- airfield 0 机场
- airplane_cabin 1 飞机舱
- airport_terminal 2 机场航站楼
- alcove 3 壁龛
- alley 4 胡同
- amphitheater 5 圆形剧场
- amusement_arcade 6 游戏室
- amusement_park 7 游乐园
- apartment_building/outdoor 8 公寓楼/户外
- aquarium 9 水族馆
- aqueduct 10 渡槽
- arcade 11 拱廊
- arch 12 拱
- archaelogical_excavation 13 考古发掘
- archive 14 档案
- arena/hockey 15 竞技场/曲棍球
- arena/performance 16 竞技场/表演
- arena/rodeo 17 竞技场/竞技
- army_base 18 军队基地
- art_gallery 19 艺术画廊
- art_school 20 艺术学校
- art_studio 21 艺术工作室
- artists_loft 22 艺术家阁楼
- assembly_line 23 装配线
- athletic_field/outdoor 24 运动场/户外
- atrium/public 25 中庭/公共
- attic 26 阁楼
- auditorium 27 礼堂
- auto_factory 28 自动工厂
- auto_showroom 29 自动陈列室
- badlands 30 荒地
- bakery/shop 31 面包店/商店
- balcony/exterior 32 阳台/外部
- balcony/interior 33 阳台/室内
- ball_pit 34 球坑
- ballroom 35 舞厅
- bamboo_forest 36 竹林
- bank_vault 37 银行金库
- banquet_hall 38 宴会厅
- bar 39 酒吧
- barn 40 谷仓
- barndoor 41 谷仓门
- baseball_field 42 棒球场
- basement 43 地下室
-
最低0.47元/天 解锁文章
Places365实践
一只小咪罗呀的博客
12-02 4161
github下载地址：https://github.com/CSAILVision/places365 可以通过运行下面代码来了解代码如何使用。（在这之前，要先安装torch，具体步骤见另一篇博客） python run_placesCNN_basic.py 其中，有两个代码段是会在找不到相关文件的时候使用wget下载的，由于windows无法使用wget，所以我们需要提前准备好这两个文件：预训练过的ResNet18模型和进行测试的图片12.jpg ResNet18模型可以在git.
❀数据集 ❀ 了解place365，运行出错解决。持续更新中...
weixin_44649780的博客
04-04 3194
place365官网：Places: A 10 million Image Database for Scene Recognition 官方说明：Places 数据集的设计遵循人类视觉认知的原则。我们的目标是建立一个视觉知识核心，可用于训练用于高级视觉理解任务的人工系统，例如场景上下文、对象识别、动作和事件预测以及心理理论推理。Places的语义类别由它们的功能定义：标签代表环境的入门级。为了说明，该数据集具有不同类别的卧室或街道等，因为人们的行为方式不同，并且对接下来会发生的事情（在家庭卧室、酒店卧.
场景分类places365
10-19
Places365是Places2数据库的最新子集。 Places365有两个版本：Places365-Standard和Places365-Challenge。 Places365-Standard的列车集有来自365个场景类别的约180万张图像，每个类别最多有5000张图像。 我们已经在Places365-Standard上培训了各种基线CNN，并将其发布如下。 与此同时，一系列的Places365-Challenge列车还有620万张图片以及Places365-Standard的所有图片（总共约800万张图片），每个类别最多有40,000张图片。 Places365-Challenge将用于2016年的Places2挑战赛，与2016年ECCV的ILSVRC和COCO联合研讨会一起举行。
使用深度学习进行场景分类：使用 MIT Places 数据集子集和预训练模型 Places365GoogLeNet 的场景分类解决方案。-matlab开发
05-29
此示例的主要目标是使用 MIT Places 数据集的子集和预训练模型 Places365GoogLeNet 演示 MATLAB 功能在场景分类解决方案中的使用。 代码结构分为四部分： - 在“第 1 部分”中，我们从头开始构建一个简单的 CNN，对其进行训练和评估。 - 在“第 2 部分”中，我们“按原样”使用预训练模型 Places365GoogLeNet。 - 在“第 3 部分”中，我们采用了一种迁移学习方法，该方法演示了使用 MATLAB 中的迁移学习进行图像分类的一些最新功能和最佳实践。 - 最后，在“第 4 部分”中，我们采用图像数据增强技术来查看它们是否会带来改进的结果。 该示例应易于修改并扩展到用户需求。 笔记： - 本示例中使用的数据集（Places365-Standard 数据集的子集）可在以下网址找到： https ://www.dropbox.com/s/a
如何用Places365-CNNs实现终极场景识别？零基础入门完整指南
gitblog_00915的博客
10-28 653
Places365-CNNs是一个基于深度学习的场景识别工具，集成了多种经典CNN模型，在大规模场景数据集上训练而成，能帮助开发者和爱好者轻松实现精准的场景分类功能。无论是自动驾驶环境感知、智能家居场景适配，还是AR/VR内容生成，都能提供强大技术支持。 ## ???? 项目核心优势：为什么选择Places365-CNNs？ ### 1. 海量场景覆盖，识别更精准 依托Places365数据集的1...
Deep Learning ToolboxTM Model for Places365-GoogLeNet Network：在 Places365 数据集上训练的用于图像分类的预训练 GoogLeNet 网络-matlab开发
05-31
Place365GoogLeNet 是在 Places365 数据集上训练的预训练模型，其底层网络架构与在 ImageNet 数据集上训练的 GoogLeNet 相同。 您可以使用网络阅读 句法净= googlenet net = googlenet('权重',权重) net = googlenet('Weights',weights) 返回在 ImageNet 或 Places365 数据集上训练的 GoogLeNet 网络。 如果权重等于“imagenet”，则网络具有在 ImageNet 数据集上训练的权重。 如果权重等于“places365”，则网络具有在 Places365 数据集上训练的权重。 从您的操作系统或 MATLAB 中打开 place365googlenet.mlpkginstall 文件将启动您拥有的版本的安装过程。 此 mlpkginstall 文件适用
强烈推荐 —— Places365-CNNs：场景识别新利器
gitblog_00549的博客
08-13 754
在深度学习的浪潮中，CNN（卷积神经网络）作为图像处理领域的明星算法，为计算机视觉带来了革命性的变化。今天要向大家力荐的是一个名为“Places365-CNNs”的开源项目，它不仅集成了多种经典和现代CNN模型，并且是在大规模场景数据集Places365上训练而成，使得该工具成为了场景理解和分类任务中的强大助手。 ### 项目介绍 Places365-CNNs项目是由MIT的科研团队精心构建的...
精选资源
cnn源码matlab-places_devkit:Places365-Standard和Places365-Challenge数据开发包
06-03
Places365 数据开发套件 介绍 这是 Places365 数据开发工具包的文档。 如果你想要 Places-CNN 模型而不是训练数据，请参考 . 目录： 地点数据库概览 Places365-Standard 和 Places365-Challenge 的图像数据详细信息 ...
基于ResNet架构的预训练深度卷积神经网络模型在ImageNet-2012数据集上训练后使用Places365-Standard数据集进行微调能够识别365种不同场景和位置.zip
09-12
基于ResNet架构的深度卷积神经网络模型首先在ImageNet-2012数据集上进行预训练，学习到通用的视觉特征，然后在Places365-Standard数据集上进行微调，使其具备对365种不同场景和位置的识别能力。这种训练策略结合了预...
【亲测免费】 探索Places365：基于深度学习的图像识别库
gitblog_00078的博客
03-24 945
是一个强大的开源项目，它利用深度学习技术帮助开发者和研究人员进行场景理解。该项目提供了一个广泛分类的大型图像数据库，包含超过900个不同的地点类别，这对于视觉识别任务来说是一份宝贵的资源。 ## 技术分析 Places365 基于卷积神经网络（CNN），这是一种在计算机视觉领域广泛应用的深度学习模型。该模型经过预先训练，可以识别各种环境中的场所，如城市街道、森林、餐厅等。项目提供了预训练的权重...
Place365数据集下载方法以及ubuntu安装迅雷,微信，qq
schFallingCloud
05-09 2275
使用其他网站提供的链接 链接：https://hyper.ai/datasets/9430 使用其中的aria2c方式下载 aria2c的安装参考https://hyper.ai/datasets/aria2
Objects365 数据集
05-05
Objects365 数据集，有图片和链接，数据集百度网盘链接，一共40多个G，亲测可以下载
MAX-Scene-Classifier:基于Places365-CNN模型的物理场所位置的图像分类器
05-04
IBM代码模型资产交换：场景分类器 该存储库包含用于实例化和部署图像分类模型的代码。 此模型可识别的的365种不同场景/位置类别。 该模型基于，由使用ResNet架构的预训练深层卷积网络组成，并在数据集上进行训练。 然后在Places365-Standard数据集上微调预训练的模型。 模型的输入是224x224的图像，输出是估计的类别概率的列表。 此存储库中使用的特定模型变体是。 模型文件托管在。 该存储库中的代码将模型作为Web服务部署在Docker容器中。 该存储库是作为一部分开发的，并且公共API由。 模型元数据 领域 应用 行业 框架 训练数据 输入数据格式 想象 影像分类 一般的 火炬 图像（RGB / HWC） 参考 B.Zhou，A.Lapedriza，A.Khosla，A.Oliva和A.Torralba， ，《 IEEE模式分析和机器智能交易》 ，2017年。 B
AI challenger 场景分类 PyTorch 迁移学习 Places365-CNNs 启动代码
Wayne2019的博客
10-13 5992
分享个简单的启动代码。''' CHANGES: - imagenet cnns: resnet: http://pytorch.org/docs/master/torchvision/models.html - places 365 cnns: resnet 18, 50: https://github.com/CSAILVision/places365 - top3 accuracy: https
Places365 开源项目指南
最新发布
gitblog_00163的博客
11-18 647
### 简介 Places365是基于场景识别的深度学习模型，它利用大规模图像数据集训练，能够对输入图片进行精确的场景分类。该模型由MIT CSAIL开发，采用了不同的卷积神经网络架构，包括AlexNet, GoogleNet, VGG16, ResNet等。 ### 数据集说明 Places365数据库分为两个版本：Places365-Standard 和 Places365-Challeng
places2 数据集 | Data of Places365-Standard 256x256 数据分享| 场景识别数据集 | 【有效整理】|
热门推荐
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
12-09 2万+
Data of Places365-Standard 数据介绍： There are 1.8 million train images from 365 scene categories in the Places365-Standard, which are used to train the Places365 CNNs. There are 50 images per category in the validation set and 900 images per category in the t
【亲测免费】 Places365 深度学习场景分类库指南
gitblog_01081的博客
08-08 1595
Places365 是由麻省理工学院计算机科学与人工智能实验室（CSAIL）开发的一个大规模场景分类数据集，它是Places2数据库的子集。该数据集分为两个版本：Places365-Standard 和 Places365-Challenge。 Places365-Standard 包含大约180万个图像，涵盖365个不同的场景类别，每个类别最多有5000张图像。另一方面，Places365-Ch...
Places365 项目使用教程
gitblog_00572的博客
08-12 493
Places365 项目的目录结构如下： ``` places365/ ├── docker/ ├── IO_places365.txt ├── LICENSE ├── README.md ├── adjectives_download.csv ├── cam_example.jpg ├── categories_hybrid1365.txt ├── categories_places365.t...
caffe︱Places365-CNNs For Scene Recognition
素质云笔记
03-03 1万+
ILSVRC2016中有一个Places Scene Classification和Scene Parsing项目的内容。 这次Places Scene Classification(Places2: A Large-Scale Database for Scene Understanding)是第二次作为ILSVRC的比赛项目，而Scene Parsing Challenge(MI
places365类别
01-01
### 关于Places365类别在图像分类数据集中 在图像分类领域，Places365 数据集是一个广泛使用的场景识别数据库。该数据集不仅提供了丰富的场景类别标注，还涵盖了来自不同环境下的大量图片实例[^1]。 #### 场景覆盖范围 Places365 的注解图像包含了源自SUN和Places数据库中的场景类别。这些类别代表了多种多样的自然和社会环境中可能出现的不同类型的地点或空间配置[^2]。 #### 类别数量与多样性 具体而言，Places365 数据集定义了超过365种不同的场景类别，这使得它成为研究复杂视觉理解任务的理想选择之一。每一种类别都经过精心挑选以确保足够的代表性并尽可能减少重叠度，从而帮助模型更好地学习区分各种独特而复杂的现实世界场景特征。 #### 应用挑战 值得注意的是，在处理此类大规模且高度多样化的数据集时，存在所谓的语义鸿沟问题——即计算机所看到的只是由数值构成的大网格（像素值介于0到255之间），而非人类直观感知到的对象及其属性；因此，构建能够有效跨越这一差距的有效算法至关重要[^3]。 ```python import matplotlib.pyplot as plt from PIL import Image import requests from io import BytesIO # Example code to display an image from Places365 dataset url = "https://example.com/path_to_places365_image.jpg" response = requests.get(url) img = Image.open(BytesIO(response.content)) plt.imshow(img) plt.axis('off') # Hide axes plt.show() ```
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值