人群密度估计最新数据集NWPU-Crowd & 最新研究进展

人群密度估计-NWPU-Crowd数据集

该数据集是由Qi Wang等人于2020年1月10日公开，论文题为：NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting.

数据集开源链接： http://www.crowdbenchmark.com/

论文开源代码链接：https://github.com/gjy3035/NWPU-Crowd-Sample-Code

以往数据存在的问题

1. 数据集不足。基于CNN的方法都是需要庞大的数据集做支撑的，由于现存的人群密度数据集规模太小，基于深度学习的方法很难避免过拟合；

2. 没有一个相对公正的评价标准。像其他领域，KITTI，CityScapes和Microsoft COCO，允许研究人员提交测试集的结果进行公正的评价。所以一个公正的评价平台对于该领域的发展至关重要。

NWPU-Crowd数据集的优势

1. 目前为止在人群密度估计方面最大的数据集，拥有5109张图片和2133238个标注实体；

2. 内含一些负样本，比如极高密度的人群，这样可以提高训练模型的鲁棒性；

3. 图片的分辨率相比其他数据集更高；

4. 且单张图片的标注实体数量范围非常大，区间是[0,20033]；

5. 提供了一个公平的平台网站，供研究人员提交测试集的计算结果，然后计算出MSE/MAE。

NWPU-Crowd与其他数据集的详细对比