[人体图像相关技术] -（二）行人检测数据集 - 介绍（含人像分割数据集）

我公司的科室开始在公众号上规划一些对外的技术文章了，包括实战项目、模型优化、端侧部署和一些深度学习任务基础知识，而我负责人体图象相关技术这一系列文章。
文章在同步发布至公众号和博客，顺带做一波宣传。有兴趣的还可以扫码加入我们的群。
（文章有写的不好的地方请见谅，另外有啥错误的地方也请大家帮忙指出。）

微信公众号：AI炼丹术

行人检测数据集 - 介绍 （含人像分割数据集）

一、目标检测 - 行人数据集

1. INRIA Person Dataset

静态行人数据库，其中包含训练集和测试集。该数据集的行人背景较为复杂、环境变化（光照）类型较多，且人的姿态也比较多。属于比较贴近现实场景的数据集。目前使用的也比较多。

数据集地址：http://pascal.inrialpes.fr/data/human/

2. Caltech Pedestrian Dataset

该数据集由大约10小时640 * 480视频组成，视频是从现实环境中交通车辆拍摄的。是目前规模较大的行人数据库，其中也包含质量不好的图像。

数据集地址：http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/

3. ETH Pedestrian Dataset

该数据集来自现实环境中交通场景车辆拍摄到的。基于双目视觉的行人数据集，数据集包括标定信息和行人标注信息，同时采用置信度传播方法获得深度信息。主要用于多人检测和行人跟踪的研究。

数据集地址：https://data.vision.ee.ethz.ch/cvl/aess/

ETH 数据集相关应用研究拓展：行人轨迹预测Trajectory Prediction

• From Goals, Waypoints & Paths To Long Term Human Trajectory Forecasting ，论文：https://arxiv.org/pdf/2012.01526v1.pdf。
• AgentFormer: Agent-Aware Transformers for Socio-Temporal Multi-Agent Forecasting，论文：https://arxiv.org/pdf/2103.14023v2.pdf；代码：https://github.com/Khrylx/AgentFormer。

4. The Daimler Monocular Pedestrian Detection dataset

城市环境中的行人检测数据集，包含15560个行人目标和6744不含行人的图像。这些图像是在27分钟驾车穿过城市交通期间在车辆中获取的。包含训练集和测试集，测试集包含一个独立的序列。

数据集地址：http://www.gavrila.net/Datasets/Daimler_Pedestrian_Benchmark_D/Daimler_Mono_Ped__Detection_Be/daimler_mono_ped__detection_be.html

相关论文A Large Scale Urban Surveillance Video Dataset for Multiple-Object Tracking and Behavior Analysis：https://arxiv.org/abs/1904.11784

5. PETA (Pedestrian Attribute)

该数据集包含行人属性（性别和服装风格），是识别远距离人像的数据集（即图像包含全身信息）；数据集由19000张行人图像组成，共有65个行人属性，总共包括8705个人。

数据集地址：http://mmlab.ie.cuhk.edu.hk/projects/PETA.html

6. WiderPerson dataset

该数据为非交通场景拍摄的行人数据集，弥补现在大部分数据集为交通场景下的多样性不足。数据集包含13382张图像和399896个标签，也就是说每张图片上可能会包含各种遮挡、密集的行人。

数据集地址：http://www.cbsr.ia.ac.cn/users/sfzhang/WiderPerson/

相关论文WiderPerson: A Diverse Dataset for Dense Pedestrian Detection in the Wild:https://arxiv.org/pdf/1909.12118v1.pdf

相关模型 IterDet，论文 IterDet: Iterative Scheme for Object Detection in Crowded Environments：https://arxiv.org/pdf/2005.05708v2.pdf；代码：https://github.com/saic-vul/iterdet

7. HICO-DET dataset

该数据集主要用于人与其他目标交互（HOI）的数据集，即每张图像上的人都有和其他物体交互的标签。它包含47776张图像（38118张训练集和9658张测试集）、主要由80个其他物体和117个动作组成的600个交互标签。总共超过15万个人-物对标签信息。

数据集地址：http://www-personal.umich.edu/~ywchao/hico/

相关模型 SCG，论文 Spatially Conditioned Graphs for Detecting Human-Object ：https://arxiv.org/pdf/2012.06060v3.pdf；
代码：https://github.com/fredzzhang/spatially-conditioned-graphs

二、目标检测 - 人像分割

1. CIHP (Crowd Instance-level Human Parsing)

人群实例分割数据集，数据集由38280个人物图像组成，每张图片由20个类别的像素级注释，即人体多个部位像素级标注。可用于人体部位分割任务。

数据集地址未找到。

相关模型 Self-Correction for Human Parsing，论文：https://arxiv.org/pdf/1910.09777v1.pdf；代码：https://github.com/PeikeLi/Self-Correction-Human-Parsing

2. PASCAL-Part dataset

该数据集每张图像上由多个人，在不受遮挡和多样性姿势中未人体六个部位（头部、躯干、上下臂、上下腿）提供像素级标签。可用于人体部位分割任务。

相关模型 Cross-Domain Complementary Learning Using Pose for Multi-Person Part Segmentation，论文：https://ieeexplore.ieee.org/document/9094232；代码：https://github.com/kevinlin311tw/CDCL-human-part-segmentation

3. ConferenceVideoSegmentationDataset

该数据集主要由人体头部肩部图像，即会议视频/个人视频数据。可用于背景分割，人像抠图等任务。

数据集地址：https://drive.google.com/file/d/13JKwoCaoSWQAjJ1YLVfV6AHvm8by09fP/view

相关模型 Flow-based Video Segmentation for Human Head and Shoulders，论文：https://arxiv.org/abs/2104.09752；代码：https://github.com/kuangzijian/Flow-Based-Video-Segmentation

4. Deep Image Matting

该数据集主要用于前景背景分割，所以不一定包含人像。数据集为一个大规模的抠图数据集，包含45500个训练图像和1000个测试图像。可用于背景分割，人像抠图等任务。

数据集地址：https://sites.google.com/view/deepimagematting

相关模型Background Matting: The World is Your Green Screen，论文：https://arxiv.org/abs/2004.00626；代码：https://github.com/senguptaumd/Background-Matting。

上述数据集并不包含全部数据集，更多数据集待补充……