Advertisement

行人重识别通常使用DukeMTMC-reID、Market-1501-v15.09.15、MSMT17和MSMT17_V1等数据集。

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

简介：
许多常用的数据集已经整理成百度云盘的打包文件，方便用户直接下载使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 行人重识别常用的数据集（DukeMTMC-reID、Market-1501-v15.09.15、MSMT17、MSMT17_V1）
    优质
    本资料详细介绍行人重识别领域常用的四大数据集，包括DukeMTMC-reID、Market-1501-v15.09.15、MSMT17及MSMT17_V1，涵盖其特点和应用场景。 常用数据集可以在百度云盘打包下载。
     
  • 行人重识别常用的数据集（DukeMTMC-reID、Market-1501-v15.09.15、MSMT17、MSMT17_V1）
    优质
    本资料详细介绍了行人重识别领域的四大关键数据集，包括DukeMTMC-reID、Market-1501-v15.09.15、MSMT17及MSMT17_V1的特性与应用。 行人重识别（Person Re-Identification，简称ReID）是计算机视觉领域中的一个重要研究课题，它旨在在不同的摄像头视图之间识别同一行人的身份。这项技术在智能监控、安全防护等领域具有广泛的应用潜力。本段落将详细介绍四个常用的行人重识别数据集：DukeMTMC-reID、Market-1501-v15.09.15、MSMT17以及MSMT17_V1。 首先，**DukeMTMC-reID** 数据集源自于 DukeMTMC 多目标跟踪数据集。该数据集由8个固定视角的摄像机捕获的数据组成，并包含有 1404 名独立行人，其中一半用于训练，另一半用于测试。每个行人在不同的光照、角度和遮挡条件下都有多张图像记录。这项任务的主要挑战在于跨摄像头匹配以及在复杂环境中识别同一行人。 接下来是**Market-1501-v15.09.15** 数据集，这是一个大型的行人重识别数据集，包括6个不同视角摄像头拍摄的数据，并有总计 24,868 张图像。其中包含 751 名用于训练的独特行人的图片和同样数量但不同的测试用图片。Market-1501 特别之处在于它具有较大的视角差异以及大量的遮挡和光照变化，这为模型的泛化能力提出了挑战。 **MSMT17** 数据集是目前最大的行人重识别数据集之一，由来自4个不同场景（校园、商业区、公园及住宅区）共15个摄像头捕获的数据组成。该数据集中共有 126,441 张图像和涉及的 4,101 名独立行人的记录。其中3,262名行人用于训练，其余8743个用于测试。MSMT17 的优势在于其更均衡的数据分布以及覆盖了广泛的环境条件（包括白天、黄昏及夜晚），这增加了识别难度但同时提供了更具挑战性的测试场景。 最后是**MSMT17_V1** 版本数据集，它是 MSMT17 早期的一个版本。该数据集中有 10,621 名行人记录，其中3,262名用于训练，其余的用于测试。虽然规模较小但仍然保持了高度挑战性，并为行人重识别算法的研究提供了有价值的资源。 这些数据集共同点在于都模拟了真实世界中的复杂情况和多样化环境视角。研究人员可以利用它们来优化不同的 ReID 算法并提升其在实际应用中的性能表现。每个数据集的评价标准通常包括平均精度（mAP）及 Rank-1 识别率等，以此全面衡量算法的效果。 总结而言，DukeMTMC-reID、Market-1501-v15.09.15、MSMT17以及 MSMT17_V1 是行人重识别领域的关键数据资源。它们推动了该领域的发展，并为开发人员提供了重要的实验平台。通过深入研究和优化在这些数据集上的表现，我们可以持续提升行人重识别技术的准确性和实用性，从而进一步支持智能城市、公共安全等实际应用场景的需求。
     
  • Market-1501-v15.09.15 重识别数据集RAR版
    优质
    《Market-1501-v15.09.15 重识别数据集RAR版》包含大规模行人图像，用于评估跨摄像头行人再识别算法性能，是研究和开发人员的重要资源。 目标重识别数据集Market-1501是一个广泛使用的数据集，在行人再识别领域具有重要地位。它包含了大量的图像样本，用于训练、验证和测试相关算法的性能。该数据集的特点是涵盖了多样化的场景条件，并且拥有丰富的标注信息，使得研究人员能够评估不同方法在实际应用中的效果。
     
  • 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。
     
  • 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。
     
  • DukeMTMC-reID数据集.zip
    优质
    DukeMTMC-reID数据集包含大量标注清晰的行人图像，适用于再识别研究，旨在提升不同场景下监控摄像头间的人脸及人体匹配准确性。 行人重识别数据集是经典的数据集之一，为了方便大家下载和研究，我提供这个资源，希望大家一起学习探讨。
     
  • Market-1501数据集分析
    优质
    简介：本文对Market-1501数据集进行了详细分析，探讨了其在行人重识别研究中的应用价值及局限性，为相关领域的研究人员提供了有益参考。 行人重识别公共数据集Market-1501包含了大量关于行人的图像数据，用于研究和开发行人再识别技术。该数据集包含多个摄像头捕捉到的不同个体的图片，旨在帮助研究人员评估其算法在跨摄像机场景下的性能表现。
     
  • 郑哲东使用Deep-ReID进行行人重识别的深度学习研究
    优质
    简介：郑哲东的研究聚焦于利用Deep-ReID技术在行人重识别领域中的应用，通过深度学习方法提高不同场景下行人图像的匹配精度和效率。 郑哲东的Deep-ReID是一种用于行人重识别的深度学习方法。该方法旨在从背景中学习行人的表示形式。
     
  • 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》。
     
  • MATLAB代码对齐-IDE-Baseline-Market-1501：用于人员再识别的ID判别嵌入(IDE)
    优质
    该论文提出了一种名为ID判别嵌入（IDE）的方法，专注于改进MATLAB环境下的人员再识别算法，通过优化代码和模型结构以提高准确率。此方法在基准测试中表现出色。 此代码用于在Market-1501数据集上进行ID判别嵌入（IDE）实验，并感谢立博悦提供的改进建议。如果您发现该代码对您的研究有帮助，请考虑引用以下文献： @article{zheng2016person, title={Person Re-identification: Past, Present and Future}, author={Zheng,Liang and Yang,Yi and Hauptmann,Alexander G}, journal={arXiv preprint arXiv:1610.02984}, year={2016}} @inproceedings{zheng2015scalable, title={Scalable Person Re-identification: A Benchmark}, author={Zheng,Liang and Shen, Liyue and Tian, Lu and Wang, Shengjin and W}