行人重识别通用数据集及介绍
行人重识别(person re-identification, Re-ID)作为一个特定的跨不重叠摄像头的检索问题,已经有了许多的研究,可广泛应用于智能视频监控,智能安保等领域。
给定想要查询的人(query), Re-ID的目标便是确认该查询是否在另一个地点不同时间被另一个摄像头捕捉到,或者是不同时间被同一个摄像头所捕捉到。
行人重识别的挑战在于类内差异大,类间差异小,即同一个人在不同时刻的特征差异大(由于体态,光线等外界环境等因素导致差异大),而不同的人特征相近(体型相近,出现撞衫等情况)。
行人重识别通用数据集:
1. Market-1501
Market-1501的行人图片采集自清华大学的6个摄像头,一共标注了1501个行人(即一共1501个ID),其中,训练集包含751个行人(即751个ID),测试集包含750个行人(即750个ID)
Market-1501数据集及介绍
2. DukeMTMC-reID
DukeMTMC-reID数据集采集于Duke大学8个静态摄像头,是2017年发布的一个大规模行人重识别图片数据集。
DukeMTMC-reID数据集及介绍
3. MSMT17
MSMT17(Multi-Scene Multi-Time, MSMT)数据集是在CVPR2018会议上,提出的一个接近真实场景的大型数据集。
MSMT17数据集及介绍
4. CUHK03
该数据集采集自香港中文大学(CUHK)中的5对(10个)不同视角的摄像头,含有1467个不同的行人ID。
CUHK03数据集及介绍
行人重识别通用数据集及介绍相关推荐
- 行人重识别常用数据集
数据集汇总链接https://github.com/NEU-Gou/awesome-reid-dataset.以下仅罗列较为常用的数据集,表格整合了基本信息,各数据集下对应链接是对数据集的详细介绍,部 ...
- 行人重识别(ReID) ——数据集描述 DukeMTMC-reID
数据集简介 DukeMTMC 数据集是一个大规模标记的多目标多摄像机行人跟踪数据集.它提供了一个由 8 个同步摄像机记录的新型大型高清视频数据集,具有 7,000 多个单摄像机轨迹和超过 2,700 ...
- 行人重识别(ReID) ——数据集描述 CUHK03
数据集简介 CUHK03是第一个足以进行深度学习的大规模行人重识别数据集,该数据集的图像采集于香港中文大学(CUHK)校园.数据以"cuhk-03.mat"的 MAT 文件格式存储 ...
- 行人重识别 MSMT17数据集描述
最近的CVPR2018会议上,提出了一个新的更接近真实场景的大型数据集MSMT17,即Multi-Scene Multi-Time,涵盖了多场景多时段. 早期数据集的缺点 (1)和实际的监控网络相比, ...
- 行人重识别数据集之 DukeMTMC-reID 数据集
DukeMTMC-reID 数据集 DukeMTMC-reID 数据集简介 DukeMTMC-reID 数据集结构 DukeMTMC-reID 数据集命名规则 参考文献 DukeMTMC-reID 数 ...
- 中山大学提出新型行人重识别方法和史上最大最新评测基准
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货 导读:行人重识别,是利用 CV 技术判断图像或视频序列中是否存在特定行人的技术.常规的行人重识 ...
- 中山大学提出新型行人重识别方法和史上最大评测基准
本文转载自机器之心. 导读:行人重识别,是利用 CV 技术判断图像或视频序列中是否存在特定行人的技术.常规的行人重识别方法往往需要高昂的人工标注成本,计算复杂度也很大.在本文中,中山大学研究者提出的弱 ...
- 行人重识别(3)——行人重识别(基于图像)综述
!转载请注明原文地址!--东方旅行者 更多行人重识别文章移步我的专栏:行人重识别专栏 本文目录 基于图像的行人重识别 一.表征学习方法 1.浅层视觉特征 2.中层视觉特征(语义属性) 3.深层视觉特征 ...
- 行人重识别-度量学习
行人重识别-度量学习 前言 和前面介绍到的表征学习一样,度量学习也是基于全局特征学习的一种方法,且被广泛用于图像检索领域.不同于表征学习通过分类或者验证的方式,度量学习目的在于通过网络学习两张图片的相 ...
最新文章
- java decodeurl,java decodeURIComponent
- 270亿参数、刷榜CLUE,阿里达摩院发布最大中文预训练语言模型PLUG(开放测试)...
- webpack基本用法
- linux修改path路径
- python mac 安装pillow,关于python:安装了Pillow,但仍然得到“ImportError:没有名为PIL的模块”...
- JAVAAPI学习之Calendar类;Calendar类set()、add()、roll()方法区别
- 鸿蒙os能超越ios吗,鸿蒙OS对比iOS,华为再次“超越”,流畅度大幅领先苹果!...
- 嵌入式电路设计(从电路到系统)
- PCWorld选出52个实用网站
- D触发器实现JK触发器
- JAVA柱形图动态显示,动态控制柱形图显示柱数
- 全国省市区街道区域信息 API 接口
- java gui 文本框_【Java GUI】文本框和文本区
- Python Socket传输图片
- 新研究调查Masimo ORi™(氧储备指数)能否用作避免全麻期间高氧状态的指数
- Explain执行计划key_len详解
- 使用Qpaint在图片上写文字
- 人眼内的三类视锥细胞
- 苹果自带跳语音服务器,苹果手机怎么把语音包悬浮 悬浮功能打开方法
- 2023年pmp的考试时间是什么时候?(含pmp资料)
热门文章
- ai星际探索 爪子_通过特征空间探索实现可解释的人工智能
- c语言订餐系统项目范例,C语言订餐系统.doc
- elasticsearch OOM
- unity打PC包修改exe版本信息
- MAC终端连接服务器问题杂记
- ps无法在此计算机上运行,解决PS打开图片"无法完成请求,因为文件格式模块不能解析该文件"...
- 要闻君说:必应(Bing)搜索引擎已在国内被屏蔽;Verizon媒体业务宣布裁员7%;小米率先发布折叠屏手机...
- 静态代码检查工具 cppcheck 的使用
- 【GANs】Deep Convolution Generative Adversarial Network
- 关于BN层的一点理解