人体reid数据集

mars数据集

参考:https://blog.csdn.net/qq_34132310/article/details/83869605
整个Mars数据的大小大概有6.3G。
在这里插入图片描述
bbox_train文件夹中,有625个子文件夹(代表着625个行人id),共包含了8298个小段轨迹(tracklets),总共包含509,914张图片。
bbox_test文件夹中共有636个子文件夹(代表着636个行人id),共包含了12180个小段轨迹(tracklets),总共包含681,089张图片。在实验中这个文件夹被划分为图库集(gallery)+ 查询集(query)。在info文件夹中会解释这件事。
名称为00-1子文件夹表示无用的图片集,他们对应的行人id被设为**-1**,一般在算法中直接无视pid = -1的图片。
而名称0000子文件夹中,他们对应的行人id被设为0,表示干扰因素,对检索准确性产生负面影响。
在这里插入图片描述
info的train_name.txt文件
这个txt文件里,按照顺序存放bbox_train文件夹里所有图片的名称,一共有509,914行。
既然在这里出现了图片名称,就顺带解释下图片的命名规则。以图片名称
0065 C1 T0002 F0016.jpg为例。
0065表示的行人的id,也就是 bbox_train文件夹中对应的 0065子文件夹名;
C1表示摄像头的id,说明这张图片是在第1个摄像头下拍摄的(一共有6个摄像头);
T0002表示关于这个行人视频段中的第2个小段视频(tracklet);
F0016表示在这张图片是在这个小段视频(tracklet)中的第16帧。在每个小段视频(tracklet)中,帧数从 F0001开始。

同样地,在test_name.txt文件中,按照顺序存放bbox_test文件夹里所有图片的名称,一共有681,089行。

DukeMTMC-reID

参考:https://www.pudn.com/detail/6797421
整个DukeMTMC-reID数据的大小大概有3.6G.
数据集由用于训练的702个身份,用于测试的702个身份和作为干扰项的408个身份组成。 总共有2,196个用于培训的视频和2,636个用于测试的视频。 每个视频包含每12帧采样一次的人物图像。 在测试过程中,将使用每个ID的视频作为查询,并将其余视频放置在图库中。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: DukeMTMC-reID是一个用于行人重识别研究的数据集,该数据集由Duke University的Multimedia Lab创建。它包含超过36,000个身份的超过16,000个视频序列和8个摄像头视角的4410个身份的超过2万个图像。这些数据由不同的摄像头拍摄,其中许多图像和视频序列包含遮挡,模糊或低光条件。 DukeMTMC-reID数据集已成为行人重识别领域的基准数据集之一,许多最新的研究工作都在该数据集上进行评估。 ### 回答2: DukeMTMC-reID 数据集是一个用于行人重识别任务的开放源数据集。该数据集是在DukeMTMC数据库的基础上构建而成,该数据库是一个用于多目标追踪和多目标计数的数据库,其中包含数个摄像头下的行人图像序列。DukeMTMC-reID 数据集的目的是提供一个用于行人重识别算法研究和评估的标准基准。 DukeMTMC-reID 数据集包含8个身份标注的行人图像序列,其中有拍摄角度变化和遮挡等挑战因素。这些序列分为训练集和测试集,训练集包含16,522个图像,测试集包含19,842个图像。每个图像都有相应的标签,表示图像所属的行人身份。 除了行人图像序列,DukeMTMC-reID 数据集还提供了行人图像的边界框注释和行人测距注释,这些注释可以用于算法的性能评估和验证。 使用DukeMTMC-reID 数据集进行行人重识别算法的研究和评估,可以帮助改进行人重识别算法的性能。该数据集的挑战在于拍摄角度变化、遮挡和尺度变化等现实场景中常见的问题,因此对于算法的鲁棒性和准确性提出了更高的要求。 总之,DukeMTMC-reID 数据集是一个用于行人重识别算法研究和评估的标准基准,提供了具有挑战性的行人图像序列以及相应的标签和注释,对于改进行人重识别算法的性能具有重要意义。 ### 回答3: DukeMTMC-reID数据集是一个用于行人重识别(reID)研究的数据集。它由杜克大学多个监控摄像头拍摄的8个监控摄像头中的行人图像组成,这些图像涵盖多个场景和条件。数据集中包含了16,522个行人身份的2,228,339张图像,使其成为一个非常大规模的reID数据集。 这个数据集的特点之一是它的复杂性和挑战性。由于摄像头的不同视角、拍摄距离、光照条件和行人之间的遮挡,行人的外观可能在不同的图像中有很大的差异。此外,数据集中还存在一些行人的重复出现,也就是同一个行人在不同的时间和地点出现了多次,这增加了重识别任务的难度。鉴于这些挑战,使用DukeMTMC-reID数据集进行reID研究可以更好地模拟实际监控场景中的情况。 该数据集还提供了行人的标注框和行人身份的标签,使研究人员能够使用这些信息进行模型训练和性能评估。此外,数据集还提供了用于训练和测试集划分的预定义分组,以及用于评估reID性能的指标,如CMC曲线和mAP。 DukeMTMC-reID数据集已经在行人重识别算法的研究中得到了广泛的应用。通过使用该数据集,研究人员可以开发和评估各种reID方法的性能,以提升行人重识别的效果。此外,该数据集还可以用于其他目标检测、行人跟踪和行为识别等相关研究领域。总之,DukeMTMC-reID数据集是一个有价值且挑战性的资源,为行人重识别研究提供了良好的基础。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值