Advertisement

USC行人识别数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
USC行人识别数据集是由美国南加州大学开发的一个大型图像数据库，包含多样化的行人图片和视频片段，旨在促进行人检测与识别的研究。 USC行人数据集是一个用于行人检测的资源。由于官网下载较为复杂，这里提供一份可以直接使用的版本。如果有任何问题，请通过评论或私信联系我，我会尽力解决。谢谢。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • USC行人识别数据集
    优质
    USC行人识别数据集是由美国南加州大学开发的一个大型图像数据库，包含多样化的行人图片和视频片段，旨在促进行人检测与识别的研究。 USC行人数据集是一个用于行人检测的资源。由于官网下载较为复杂，这里提供一份可以直接使用的版本。如果有任何问题，请通过评论或私信联系我，我会尽力解决。谢谢。
     
  • USC行人数据集——
    优质
    简介：USC行人数据集是由美国南加州大学研究团队创建的一个大规模标注行人图像数据库，广泛应用于行人检测与跟踪的研究领域。 USC行人数据集包含了大量关于行人的图像和视频资料，用于研究计算机视觉中的行人检测、跟踪等问题。该数据集为学术界提供了丰富的资源，促进了相关领域的技术进步和发展。
     
  • USC 行人检测数据集
    优质
    简介：USC行人检测数据集是由南加州大学开发的一个大规模标注数据集合，旨在促进计算机视觉领域中行人的检测和识别研究。该数据集包含多种场景下的图像与视频资料，为算法的训练和测试提供了宝贵的资源。 从官网获取的信息显示, USC的IRIS CV Lab致力于计算机视觉领域的研究与开发。该实验室专注于多种先进技术的应用，并积极推动相关领域的发展。 （虽然您提供的原文中包含了一个链接，但根据您的要求，在重写时去除了所有联系方式和网址信息，因此这里没有直接引用或提及任何具体网站地址、电话号码或其他联系细节。） 为了符合您的指示，上述表述已去除一切可能的联系方式，并且不改变原始内容的意思。
     
  • USC行人检测数据集
    优质
    USC行人检测数据集是由南加州大学开发的一个大规模标注数据集合，专为训练和评估计算机视觉中的行人检测算法设计。该数据集包含多种复杂场景下的图像与视频片段，有助于提升模型在实际环境中的识别精度和鲁棒性。 USCPedestrianSetA、USCPedestrianSetB 和 USCPedestrianSetC 是包含XML标注数据的数据集，可用于行人检测研究。由于在外网下载速度较慢，这些数据集已被上传至一个国内平台供用户下载使用。
     
  • MIT与USC的行人数据集
    优质
    本数据集汇集了来自MIT和USC的研究团队针对行人的先进视觉研究资料，包括图像及视频片段，为行人检测与跟踪技术提供坚实的数据支持。 MIT行人数据集是早期公开的行人数据库之一，包含924张图片（ppm格式，尺寸为64x128），肩到脚的距离大约为80像素。该数据库仅包括正面和背面两个视角，并没有负样本且未区分训练集与测试集。Dalal等人使用“HOG+SVM”方法，在这个数据集上的检测准确率接近100%。 USC行人数据集则包含三个不同的子集合（分别为USC-A、USC-B 和 USC-C），以XML格式提供标注信息。其中，USC-A[Wu, 2005]的图片来源于网络，共有205张照片和313个站立的人体图像，拍摄角度为正面或背面，并且行人间没有相互遮挡；而USC-B主要从CAVIAR视频库中选取了包括各种视角在内的共54张图片以及271个人体样本，这些人之间存在部分重叠的情况。此外，USC-C则有来自网络的100张照片和232个行人（多角度），同样行人间没有相互遮挡。
     
  • RegDB行人再识别数据集
    优质
    RegDB行人再识别数据集是一个专门设计用于评估和比较不同行人重识别算法性能的数据集合，包含大量多视角、跨场景的行人图像。 用于行人再识别的RegDB数据集。
     
  • Market-1501行人重识别数据集
    优质
    Market-1501数据集是行人重识别研究中的一个重要资源，包含超过1500个不同行人的图片，用于开发和测试相关算法。 Market1501数据集是在清华大学校园内夏季采集的。该数据集包含6个不同摄像头拍摄的照片，并提供训练集和测试集。总共包括了1501名行人，共32,668张检测到的人形矩形框图片。每个行人在至少两个不同的摄像头上被捕捉到，且在同一个摄像头中可能有多张照片。 具体来说，训练集中有751个人的图像共计12,936张；平均每个人约有17.2张训练数据。测试集则包含另外750人的图片共19,732张；平均每人拥有大约26.3张测试数据。 Market1501中的文件命名规则遵循以下格式（以bounding_box_text文件夹中第一张图片为例）：0001_c1s1_000151_01.jpg。这里，0001代表行人ID编号从“0001”到“1501”，c1表示该照片由第一个摄像头拍摄（即摄像头编号为c1至c6），而s1则意味着这是来自s1的第一个视频片段；数字如 000151 表示这张图像是从s1的第“000151”帧开始，最后的 01 则标识该图像为这一序列中的第一个检测框。
     
  • 多模态行人重识别数据集
    优质
    多模态行人重识别数据集是一种包含多种传感器（如RGB摄像头、红外相机等）收集的信息，用于训练和测试跨摄像机网络中行人的身份匹配算法的数据集合。 Nguyen Dat Tien, Hong Hyung Gil, Kim Ki Wan等人在2017年第3期发表了一篇文章《基于可见光和热像仪人体图像组合的行人识别系统》。
     
  • 市场1501行人重识别数据集
    优质
    市场1501行人重识别数据集是广泛用于评估和比较不同行人再识别算法性能的标准数据库，包含大量标注的行人图像。 行人重识别数据集Market1501包含大量高质量的图像数据，适用于研究领域中的身份匹配任务。该数据集具有丰富的标注信息，并且涵盖了广泛的场景变化与视角差异，是开发及评估行人再识别算法的重要资源。
     
  • YOLO车辆与行人识别数据集
    优质
    YOLO车辆与行人识别数据集是一个大规模标注的数据集合，专为训练和测试物体检测算法设计，涵盖各种交通环境下的车辆及行人图像。 YOLO车辆行人识别数据集包含两个目标类别：person和car。该数据集中共有5000多张图片用于行人与车辆的检测任务，标签格式有txt和xml两种版本，并分别保存在不同的文件夹内。 关于数据集的具体内容及使用情况可以参考相关文章介绍。