人群计数主流数据集介绍

一、ShanghaiTech Part A/B

1. A： 共计482张图片，其中训练集300张，测试集182张；图片格式为.jpg，平均分辨率为$589\times 868$，标签格式为.mat；
   • 训练集中最小图片尺寸为$299\times 450$(IMG_157.jpg)或者$420\times 182$(IMG_135.jpg)，最大图片尺寸为$1024\times 1024$(IMG_57.jpg)；
   • 训练集中含有$11$张灰度图片和$14$张竖屏图片；
   • 无验证集
   • 测试集中最小图片尺寸为$293\times 438$(IMG_138.jpg)或者$300\times 200$(IMG_34.jpg)，最大图片尺寸为$1024\times 942$(IMG_23.jpg)或者$992\times 1024$(IMG_50.jpg)；
   • 测试集中含有$9$张灰度图片和$6$张竖屏图片；
2. B： 共计716张图片，其中训练集400张，测试集316张；图片格式为.jpg，平均分辨率为$768\times 1024$，标签格式为.mat；
   • 训练集中图片尺寸均为为$1024\times 768$；无灰度图片；
   • 无验证集
   • 测试集中图片尺寸均为为$1024\times 768$；无灰度图片；
3. ShanghaiTech数据集主页；

二、NWPU-Crowd

1. 共计5109张图片，其中训练集3109张，验证集500张，测试集1500张；
2. 图片格式为.jpg，标签格式为.json和.mat；
3. 平均分辨率为$2191\times 3209$：
   • 训练集中最小图片尺寸为$259\times 194$(0216.jpg)，最大图片尺寸为$19044\times 4028$(2503.jpg)或者$9302\times 6202$(0742.jpg)；
   • 训练集中含有$0$张灰度图片和$145$张竖屏图片；
   • 验证集中最小图片尺寸为$640\times 384$(3503.jpg)，最大图片尺寸为$10800\times 2332$(3173.jpg)或者$4480\times 6720$(3588.jpg)；
   • 验证集中含有$0$张灰度图片和$23$张竖屏图片；
   • 测试集中最小图片尺寸为$260\times 194$(4868.jpg)，最大图片尺寸为$9443\times 3236$(4933.jpg)或者$4480\times 6720$(3621.jpg)；
   • 测试集中含有$0$张灰度图片和$79$张竖屏图片；
4. train、validate目录下分别有一个train.txt、validate.txt文档，文档打开后每一行有三列，第一列为image_id，第二列为luminance label，第三列为scene level；test.txt文档只有一列，为image_id；
5. 值得注意的是，测试集不含标签，需在线评估：
   • 对于计数任务，提交文件为.txt文件，包含1500行，每行第一项是测试集图像的文件名（不含后缀），第二项是人数预测值（float类型），中间用一个空格隔开；
   • 对于定位任务，提交文件为.txt文件，包含1500行，每行第一项是测试集图像的文件名（不含后缀），第二项是人数预测值$N$（int类型），再之后是$2\times N$个整数，表示$N$个人头的坐标位置$(x,y)$，每项之间用空格隔开；
6. NWPU数据集主页；

三、JHU_CROWD++

1. 共计4372张图片，其中训练集2272张，验证集500张，测试集1600张；
2. 图片格式为.jpg，标签格式为.txt；
3. 图片平均分辨率为$910\times 1430$：
   • 训练集中最小图片尺寸为$169\times 117$(2660.jpg)或者$222\times 107$(1344.jpg)，最大图片尺寸为$8580\times 4089$(1243.jpg)或者$7371\times 4914$(1227.jpg)；
   • 训练集中含有$11$张灰度图片和$59$张竖屏图片；
   • 验证集中最小图片尺寸为$300\times 208$(1325.jpg)或者$750\times 206$(0179.jpg)，最大图片尺寸为$7295\times 1878$(1614.jpg)或者$5760\times 3840$(3815.jpg)；
   • 验证集中含有$2$张灰度图片和$19$张竖屏图片；
   • 测试集中最小图片尺寸为$232\times 378$(0202.jpg)或者$500\times 130$(4271.jpg)，最大图片尺寸为$10088\times 3520$(4343.jpg)或者$3840\times 5760$(1670.jpg)；
   • 测试集中含有$11$张灰度图片和$47$张竖屏图片；
4. 训练集、验证集和测试集目录下均包含$2$个子目录（images，gt），以及一个文件image_labels.txt；
5. images目录下包含图像；
6. gt目录下包含每张图像对应的.txt格式的标签，每个txt文件包含若干行，每一行有6个值$x,y,w,h,o,b$，以空格’ '分割：
   • $x,y$表示头部位置；
   • $w,h$表示头部的大致宽度和高度;
   • $o$表示遮挡等级，其取值可为$1,2,3$，分别表示 可见、部分遮挡、全遮挡；
   • $b$表示模糊登记，其取值可为$0,1$，分别表示不模糊、模糊；
   • 一个典型示例为 133 229 11 17 2 0；
7. image_labels.txt文件是图像级别的注释，其每一行是对一张图像的注释，具体地，一行包含五个值，以逗号’,'分割：
   • 图片文件名；
   • 图片中总人数；
   • 场景样式，如 会议、街景、火车站、游行等；
   • 天气条件，其取值可为$0,1,2,3$，分别表示 无特殊天气、雾霾、下雨、下雪；
   • 图像是否含有干扰，取值为$0$表示不含有，取值为$1$表示含有干扰（图中无人，为负样本；或者图中虽然有人，但背景纹理与人群相似）；
   • 一个典型示例为 0092,210,railway station,0,0；
8. JHU数据集主页；

四、UCF-QNRF

1. 共计1535张图片，其中训练集1201张，测试集334张，不含验证集；
2. 图片格式为.jpg，标签格式为.mat；
3. 平均分辨率为$2013\times 2902$：
   • 训练集中最小图片尺寸为$300\times 377$(img_1104.jpg)或者$480\times 246$(img_1117.jpg)，最大图片尺寸为$7360\times 4912$(img_1073.jpg)或者$6666\times 9999$(img_0137.jpg)；
   • 训练集中含有$11$张灰度图片和$51$张竖屏图片；
   • 测试集中最小图片尺寸为$400\times 300$(img_0289.jpg)或者$500\times 163$(img_0100.jpg)，最大图片尺寸为$7360\times 4912$(img_0042.jpg)或者$3456\times 5184$(img_0090.jpg)；
   • 测试集中含有$6$张灰度图片和$16$张竖屏图片；
4. QNRF数据集主页；

五、待更新