NORB 是 3D 物体图像识别数据集。此数据库用于从形状进行3D对象重新定位的实验,从不同的角度对 5 大类别（四条腿的动物、人像、飞机、卡车、小汽车）中的 50 个玩具模型进行图像拍摄。拍摄采用了 2 个照相机，6 种不同的光照条件，9个高度（每5度30到70度）和18个方位角（每20度0到340个）。 训练集合中包括每个类别的 5 个实例，余下 5 个实例为测试集。
 

内容

gzip压缩文件以供下载。在未压缩之后，它们采用简单的二进制矩阵格式，文件后缀为“.mat”。文件格式将在后面的部分中介绍。

“-dat”文件存储图像序列。“-cat”文件存储相应的图像类别。每个“-dat”文件存储29,160个图像对（6个类别，5个实例，6个照明，9个高程和18个方位角）。第6类用于没有对象的图像，可用于训练系统拒绝图像，而不是5个对象类别。每个相应的“-cat”文件包含29,160个类别标签（动物为0，人为1，飞机为2，卡车为3，汽车为4，空白为5）。

每个“-info”文件存储29,160个10维向量，其包含关于相应图像的附加信息。向量中的前4个元素是：
- 1.类别中的实例（0到9）
- 2.高程（0到8，表示相机是30,35,40,45,50,55,60，分别距离水平65,70度）
- 3.方位角（0,2,4，...，34，乘以10得到方位角度）
- 4.照明条件（0到5）
和接下来的6个元素描述了当叠加到杂乱的背景上时添加到对象的扰动。（见下一节）

对于常规培训和测试，“-dat”和“-cat”文件就足够了。如果需要某些其他形式的分类或预处理，则提供“-info”文件。

抖动的物体和破碎的背景

捕获后，处理每个图像，使对象在图像中居中（对象像素的质心位于图像的中心），缩放使得边界框大约为80x80像素，并放置在制服上背景，包括投射阴影。

然后将3个变化源添加到数据集中： - 对象被攻击 - 对象叠加到复杂背景上 - 将distractor对象添加到背景中

物体以5种方式随机地被扰乱。它们按0.78到1.0之间的因子进行缩放; 面内旋转-5至+5度; 并在水平和垂直方向上移动-6到+6像素。图像强度（在0到255的范围内）是-20到+20之间的随机值; 图像对比度在0.8到1.3的范围内。这些扰动存储在“-info”文件的最后6个元素中：
- 5.水平移位（-6到+6）
- 6.垂直移位（-6到+6）
- 7.亮度变化（-20到+20）
- 8.对比度（0.8到1.3）
- 9.对象比例（0.78到1.0）
- 10.旋转（-5到+5度）

从Corel图像库的自然场景图像的子集中提取复杂背景图像。这些图像包含具有大区域对比度的场景，例如湖泊山脉和不规则区域边界。

每个图像都添加一个分心器对象。牵开器位于图像的边界，但可能使主要物体在中心变得杂乱。

有些图像只有背景和干扰物。这些图像属于他们自己的类别，如类别文件中所示。

文件格式

文件以所谓的“二进制矩阵”文件格式存储，该文件格式是用于各种元素类型的向量和多维矩阵的简单格式。二进制矩阵文件以文件头开头，该文件头描述矩阵的类型和大小，然后是矩阵的二进制图像。

标题最好由C结构描述：

struct header {
int magic; // 4字节
int ndim; // 4个字节，小尾数
int dim [3];
};

请注意，当矩阵的维度少于3维时，比如说它是1D向量，那么dim [1]和dim [2]都是1.当矩阵的维度超过3时，标题后面会跟着更大的维度信息。否则，在文件头到来之后，矩阵数据与最后一维中的索引一起存储的变化最快。

幻数编码矩阵的元素类型：
-用于0x1E3D4C51单精度矩阵
- 0x1E3D4C52用于打包矩阵
- 0x1E3D4C53用于双精度矩阵
- 0x1E3D4C54为一个整数矩阵
- 0x1E3D4C55为字节矩阵
- 0x1E3D4C56一小段矩阵

由于文件是在Intel机器上生成的，因此它们使用little-endian方案对4字节整数进行编码。在使用big-endian的机器上读取文件时要特别注意。

- “-dat”文件存储尺寸为29160x2x108x108的4D张量。
- “-cat”文件存储尺寸为29,160的1D向量。
- “-info”文件存储尺寸为29160x10的2D矩阵。

这是一段Matlab代码，用于说明如何阅读一些示例文件。（为了避免endian混淆，我们读取标题的字节）：

>> fid = fopen（'norb-5x46789x9x18x6x2x108x108-training-10-dat.mat'，'r'）;
>> fread（fid，4，'uchar'）; ％result = [85 76 61 30]，它是一个字节矩阵
>> fread（fid，4，'uchar'）; ％result = [4 0 0 0]，ndim = 4
>> fread（fid，4，'uchar'）; ％result = [232 113 0 0]，dim0 = 29160（= 113 * 256 + 232）
>> fread（fid，4，'uchar'）; ％result = [2 0 0 0]，dim1 = 2
>> fread（fid，4，'uchar'）; ％result = [108 0 0 0]，dim2 = 108
>> fread（fid，4，'uchar'）; ％result = [108 0 0 0]，dim3 = 108
>> imshow（transpose（reshape（fread（108 * 108），108,108）），[0 255]）; ％显示第一张图片

>> fid = fopen（'norb-5x46789x9x18x6x2x108x108-training-10-cat.mat'，'r'）;
>> fread（fid，4，'uchar'）; ％[84 76 61 30]，整数矩阵
>> fread（fid，4，'uchar'）; ％[1 0 0 0] ndim = 1
>> fread（fid，4，'uchar'）; ％[232 113 0 0] dim0 = 29160（= 113 * 256 + 232）
>> fread（fid，4，'uchar'）; ％[1 0 0 0]（忽略这个）
>> fread（fid，4，'uchar'）; ％[1 0 0 0]（忽略这个）
>> fread（fid，10，'int'）; ％[0 1 2 3 4 5 0 1 2 3]（在小端CPU上）

>> fid = fopen（'norb-5x46789x9x18x6x2x108x108-training-10-info.mat'，'r'）;
>> fread（fid，4，'uchar'）; ％[84 76 61 30]，整数矩阵
>> fread（fid，4，'uchar'）; ％[2 0 0 0] ndim = 2
>> fread（fid，4，'uchar'）; ％[232 113 0 0] dim0 = 29160（= 113 * 256 + 232）
>> fread（fid，4，'uchar'）; ％[10 0 0 0] dim1 = 10
>> fread（fid，4，'uchar'）; ％[1 0 0 0]（忽略这个）
>> fread（fid，10，'int'）; ％[8 5 10 4 -3 0 -6 1 0 -4]（在小端CPU上）

这是从“norb-5x46789x9x18x6x2x108x108-training-10-dat.mat”读取的前30个图像对的屏幕截图，排列自上而下和从左到右（列主要）。每对下面的标题显示相应“-cat.mat”和“-info.mat”文件中的内容。它们是“类别/实例/高程/方位角/照明”。对于背景图像，后面的4个数字都是-1。