Merge branch 'master' of codechina.csdn.net:EricLee/classification into master

README.md

@@ -66,6 +66,29 @@ kinect_leap_dataset 数据集来源于以下paper项目组的贡献。
 [3] Eric.Lee , https://codechina.csdn.net/EricLee/classification  
 
 ```
+### 3、imagenet 数据集 （使用“ILSVRC2012_img_train”数据集将原图裁剪后的部分数据集）  
+* 因为考虑到本身imagenet数据集很大所以进行了裁剪做了一个mini数据集,如有侵权请联系删除,[数据集下载地址(百度网盘 Password: 6cm9 )](https://pan.baidu.com/s/1C4csbZfj02wM9Y-I5OiPhw)  
+* 具体分类看json信息即 [imagenet_msg.json](https://codechina.csdn.net/EricLee/classification/-/blob/master/imagenet/imagenet_msg.json) ，"chinese_name"为类别中文名字，"doc_name"为数据集对应的每一类文件夹名字，前面的数字为模型的类别号从 "0"~"999", 共 1000 类。
+* 如果需要完整imagenet数据集，请从官网申请下载，官网地址：http://www.image-net.org/
+```
+ImageNet is an image database organized according to the WordNet hierarchy (currently only the nouns),     
+in which each node of the hierarchy is depicted by hundreds and thousands of images.   
+The project has been instrumental in advancing computer vision and deep learning research.   
+The data is available for free to researchers for non-commercial use.  
+```
+### 4、Stanford_Cars 数据集(共196 类)
+* [数据集下载地址(百度网盘 Password: txtu )](https://pan.baidu.com/s/1DR9ANGqFS6z90yzU6nlIoA)
+* Stanford_Cars官网地址：http://ai.stanford.edu/~jkrause/cars/car_dataset.html
+
+ ![stanford_cars](https://codechina.csdn.net/EricLee/classification/-/raw/master/samples/xyxy_21-45-281-133_02577.jpg)
+* 该数据集出自以下论文：
+```
+ 3D Object Representations for Fine-Grained Categorization
+ Jonathan Krause, Michael Stark, Jia Deng, Li Fei-Fei
+ 4th IEEE Workshop on 3D Representation and Recognition, at ICCV 2013 (3dRR-13). Sydney, Australia. Dec. 8, 2013.
+       
+ Note that the dataset, as released, has 196 categories, one less than in the paper, as it has been cleaned up slightly since publication. Numbers should be more or less comparable, though.
+```
 
 ### 构建自己的数据集  
 * 构建一个总的数据集目录，在目录内建立每一个具体类别的子目录，每一个子目录有且只有单独的一个类别。并且文件夹的命名为“数字-名称”，比如上图的“one静态手势”的文件夹命名为“000-one”。  
@@ -79,6 +102,14 @@ kinect_leap_dataset 数据集来源于以下paper项目组的贡献。
 ### 2、静态手势识别预训练模型（handpose_x_gesture_v1）    
 * [预训练模型下载地址(百度网盘 Password: igcf )](https://pan.baidu.com/s/1WeoYQ3bfTkpbzPbROm81Ew)   
 
+### 3、imagenet 预训练模型
+* [预训练模型下载地址(百度网盘 Password: ct31 )](https://pan.baidu.com/s/1uZsAHF6wK-LOR8j6TFABmQ)   
+* 具体分类看json信息即"imagenet_msg.json"，运行 [read_imagenet_msg.py](https://codechina.csdn.net/EricLee/classification/-/blob/master/imagenet/read_imagenet_msg.py) 读取。
+* "chinese_name"为类别中文名字，"doc_name"为数据集对应的每一类文件夹名字，前面的数字为模型的类别号从 "0"~"999"，共 1000 类 。
+
+### 4、Stanford_Cars 预训练模型
+* [预训练模型下载地址(百度网盘 Password: 7bf7 )](https://pan.baidu.com/s/1JY_ia48e92am6JJ_p-kgQg)
+
 ## 项目使用方法  
 ### 模型训练  
    注意: train.py 中的 3个参数与具体分类任务数据集，息息相关，如下所示：
@@ -87,7 +118,7 @@ kinect_leap_dataset 数据集来源于以下paper项目组的贡献。
     parser.add_argument('--train_path', type=str, default = './handpose_x_gesture_v1/',
         help = 'train_path') # 训练集路径
     parser.add_argument('--num_classes', type=int , default = 14,
-        help = 'num_classes') #  分类类别个数,gesture 配置为 14 ， Stanford Dogs 配置为 120
+        help = 'num_classes') #  分类类别个数,gesture 配置为 14 ， Stanford Dogs 配置为 120 ， imagenet 配置为 1000
     parser.add_argument('--have_label_file', type=bool, default = False,
         help = 'have_label_file') # 是否有配套的标注文件解析才能生成分类训练样本，gesture 配置为 False ， Stanford Dogs 配置为 True
 ```

imagenet/read_imagenet_msg.py

+#-*-coding:utf-8-*-
+# date:2021-04-08
+# author: Eric.Lee
+# function : read imagenet_msg.json
+
+import json
+
+if __name__ == "__main__":
+    #读取 imagenet_ms.json文件
+    f = open("imagenet_msg.json", encoding='utf-8')
+    dict_msg = json.load(f)
+    f.close()
+    for k_ in dict_msg.keys():
+        print("  label {} : {} ".format(k_,dict_msg[k_]))