可见光+红外数据集（已处理，YOLO可直接训练）

Dneccc

已于 2023-12-08 14:48:41 修改

阅读量5.6k

点赞数 45

文章标签： YOLO 深度学习人工智能 python

于 2023-12-08 00:08:31 首次发布

本文链接：https://blog.csdn.net/Dneccc/article/details/134845614

版权

一、KAIST数据集

1、原始的KAIST数据集介绍

KAIST行人数据集总共包括95328张图片，每张图片都包含RGB彩色图像和红外图像两个版本。总共包含103128个密集注释。数据集分别在白天和晚上捕获了包括校园、街道以及乡下的各种常规交通场景。图片大小为640×480。数据集总共分为12个文件夹set00-set11。前6个文件夹为训练集包含50187张图片，后6个文件夹为测试集包含45141张图片。
数据集的标签中包含person、people和cyclist三个类别。比较好区分的个体则被标注为person，不太好分辨的多个个体则被标注为people，骑行的人则被标注为cyclist。当标注的时候，连我们标注者都分不清那块区域到底是行人还是什么其他的物体时，则被标注为person?

Train
Set 00 / Day / 校园 / 5.92GB / 17,498 frames / 11,016 objects [jpg]
Set 01 / Day / 公路 / 2.82GB / 8,035 frames / 8,550 objects [jpg]
Set 02 / Day / 市区 / 3.08GB / 7,866 frames / 11,493 objects [jpg]
Set 03 / Night / 校园 / 2.40GB / 6,668 frames / 7,418 objects [jpg]
Set 04 / Night / 公路 / 2.88GB / 7,200 frames / 17,579 objects [jpg]
Set 05 / Night / 市区 / 1.01GB / 2,920 frames / 4,655 objects [jpg]

Test
Set 06 / Day / 校园 / 4.78GB / 12,988 frames / 12,086 objects [jpg]
Set 07 / Day / 公路 / 3.04GB / 8,141 frames / 4,225 objects [jpg]
Set 08 / Day / 市区 / 3.50GB / 8,050 frames / 23,309 objects [jpg]
Set 09 / Night / 校园 / 1.38GB / 3,500 frames / 3,577 objects [jpg]
Set 10 / Night / 公路 / 3.75GB / 8,902 frames / 4,987 objects [jpg]
Set 11 / Night / 市区 / 1.33GB / 3,560 frames / 6,655 objects [jpg]

附原数据集下载链接：

1.数据集下载链接1

本下载链接来源于作者的github链接：https://github.com/SoonminHwang/rgbt-ped-detection

2.数据集下载链接2

该链接需要科学上网，当链接1无效时候，可以尝试此链接，此链接中需要提交申请，不过只需要留下邮箱就行，基本都能申请成功。https://sites.google.com/site/pedestrianbenchmark/home

2、大牛处理过后的数据集介绍

多数使用KAIST的论文中的数据集都是经过清洗了的，因为本数据集是取自视频连续帧图片，相邻图片相差不大，故进行一定程度的清洗。

清洗规则如下：

训练集每2张取一张。并去掉所有不包含任何行人的图片(数据集中有很多图片是负样本)，既选出来的图片中至少包含一个目标，且剔除数据集中严重遮挡，只有半截或者小于50个像素的行人，经过此操作可得到7601张训练集图片（可见光和红外各7601张），其中4755张白天的，2846张夜晚。

验证集每20张取一张。保留负样本(图片中不包含任何目标)。经此操作可得到2252张图片，1455张白天，797张夜晚。

保留了所有标签类别，并且新增标签"person?a"，代表彩色图像与热红外图像在空间上没有对齐：{person, person?, people, cyclist, person?a}

3、我基于大牛处理过后的数据集二次清洗的数据集介绍

需要的私信

版本1：train=7595，val=1400

仅保留了{person, cyclist}，且将这两种统一标为了person，并且删除了空白标签及其对应图片。

版本2：train=3797，val=1400

由于图片都是连续视频抽帧得到的，相邻图片没啥区别，在版本1的基础上再对训练集做了每2张取一张的操作，其余无任何变化

二、LLVIP数据集

LLVIP原数据集标签采用VOC格式。包含30976张图像(15488对)，12025对用于训练，3463对用于测试。数据集包含41579个'person'标签，其中train标签33648个，test标签7931个。同一对可见光和红外图像共享相同的标签，并且它们具有相同的名称，其中110423.xml为空白标签。