本文介绍了DeepChange数据集，这是一个长达12个月、覆盖四季变化的大型换衣行人再识别数据集。它源于真实的监控环境，包含17个摄像头、1121个person ID和超过17万个边界框，提供了丰富的年龄、职业、服装、行为、天气和光照多样性。此数据集对于推动可换衣行人再识别的研究具有重大意义，当前主流算法在此上的表现仍有提升空间。
关注公众号，发现CV技术之美
传统的行人再识别限定了研究范围是短时范围的再识别（short-term re-id），即假设数据集中的行人的衣服不会发生变化。近年来，可换衣的行人再识别研究引起了学者的兴趣，其关注长时间范围内的再识别（long-term re-id），即允许数据集中的行人更换衣服。
可换衣的行人再识别更加贴近实际应用场景，更具有挑战性，逐渐成为了行人再识别领域的研究热点之一。然而，可换衣行人再识别作为一个相对新兴的研究子社区，虽已经有了一些数据集，但仍急缺一个大规模的且公开的数据集。
今天跟大家分享的数据集公布于2021年5月，叫做“DeepChange”，作者来自牛津大学。
论文链接：https://arxiv.org/abs/2105.14685
项目链接：https://github.com/PengBoXiangShang/deepchange（含下载方式）
最低0.47元/天 解锁文章
10万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
