行人属性识别 PETA数据集
数据集主页(内含数据集下载地址):
http://mmlab.ie.cuhk.edu.hk/projects/PETA.html
百度网盘连接:
链接: https://pan.baidu.com/s/1Yt47VmpozNSYI3DDxzZtVA 密码: qkbj
描述:
PETA (PEdesTrian Attribute)数据集包含了8705个行人,共19000张图像(分辨率跨度范围大,从17x39到169x365的大小都有)。每个行人标注了61个二值的和4个多类别的属性。实际上,PETA数据集是由多个较小的行人重识别数据集经过属性标注后汇集而成的。如下表所示:
数据集中的每个子数据集为一个独立文件夹,属性标签以txt文件给出,示例如下:
806 upperBodyBlack lowerBodyGrey hairBlack footwearWhite lowerBodyCasual lowerBodyTrousers personalLess30 personalMale upperBodyCasual upperBodyLogo upperBodyShortSleeve upperBodyTshirt hairShort footwearSneakers carryingNothing accessoryNothing
第一项为图像索引,后面各项为属性标签。注意该属性条目不是固定长度的,某个类别的属性可以有多个标签,比方说,上身衣服颜色可以同时有upperBodyBlack和upperBodyBrown两个标签。
具体包括的属性类别:
61个二值属性(原来有65个,但因为其中4个属性的样本数量太少而被移除。因此不用在意前面的序号):
2 accessoryHeadphone
4 personalLess15
5 personalLess30 Age16-30
6 personalLess45 Age31-45
7 personalLess60 Age46-60
8 personalLarger60 AgeAbove60
9 carryingBabyBuggy
10 carryingBackpack Backpack
11 hairBald
12 footwearBoots
13 lowerBodyCapri
14 carryingOther CarryingOther
15 carryingShoppingTro
16 carryingUmbrella
17 lowerBodyCasual Casual lower
18 upperBodyCasual Casual upper
19 personalFemale
20 carryingFolder
21 lowerBodyFormal Formal lower
22 upperBodyFormal Formal upper
23 accessoryHairBand
24 accessoryHat Hat
25 lowerBodyHotPants
26 upperBodyJacket Jacket
27 lowerBodyJeans Jeans
28 accessoryKerchief
29 footwearLeatherShoes Leather Shoes
30 upperBodyLogo Logo
31 hairLong Long hair
32 lowerBodyLongSkirt
33 upperBodyLongSleeve
35 lowerBodyPlaid
37 lowerBodyThinStripes
38 carryingLuggageCase
39 personalMale Male
40 carryingMessengerBag MessengerBag
41 accessoryMuffler Muffler
42 accessoryNothing No accessory
43 carryingNothing No carrying
44 upperBodyNoSleeve
45 upperBodyPlaid Plaid
46 carryingPlasticBags Plastic bag
47 footwearSandals Sandals
48 footwearShoes Shoes
49 hairShort
50 lowerBodyShorts Shorts
51 upperBodyShortSleeve ShortSleeve
52 lowerBodyShortSkirt Skirt
53 footwearSneaker Sneaker
54 footwearStocking
55 upperBodyThinStripes Stripes
56 upperBodySuit
57 carryingSuitcase
58 lowerBodySuits
59 accessorySunglasses Sunglasses
60 upperBodySweater
61 upperBodyThickStripes
62 lowerBodyTrousers Trousers
63 upperBodyTshirt Tshirt
64 upperBodyOther UpperOther
65 upperBodyVNeck V-Neck
4个多类别属性:
footwear: Black, Blue, Brown, Green, Grey, Orange, Pink, Purple, Red, White, Yellow
hair: Black, Blue, Brown, Green, Grey, Orange, Pink, Purple, Red, White, Yellow
lowerbody: Black, Blue, Brown, Green, Grey, Orange, Pink, Purple, Red, White, Yellow
upperbody: Black, Blue, Brown, Green, Grey, Orange, Pink, Purple, Red, White, Yellow
参考文献:
[1] Y. Deng, P. Luo, C. C. Loy, X. Tang, "Pedestrian attribute recognition at far distance," in Proceedings of ACM Multimedia (ACM MM), 2014
行人属性识别 PETA数据集相关推荐
- 行人属性识别一:训练PA100k数据集
序言 最近在做行人属性识别相关的任务,本文用于记录训练过程,供以后复习查阅. 目前网上可用的行人属性识别仓库还是比较多的,比如前段时间百度开源的PP-Human属性识别.PULC 人体属性识别,以及京 ...
- 行人属性识别的一个调研
行人属性识别的一个调研 - 知乎 [前言] 我感觉我掌握了财富密码,从知乎的后台数据来看,大家貌似更喜欢看综述多一点 .因此这次给大家整个"行人属性识别(PAR)"的综述,同样的, ...
- 【第66篇】行人属性识别研究综述(一)
文章目录 摘要 1.简介 2 问题的表述和挑战 3 标准 3.1 数据集 3.2 评价标准 4 行人属性识别的常规流程 4.1 多任务学习 4.2 多标签学习 5 深度神经网络
- 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(q ...
- 【第66篇】行人属性识别研究综述(二)
文章目录 6 PAR(行人属性识别)算法综述 6.1全局基于图像的模型 6.1.1 ACN (iccvw-2015) 6.1.2 DeepSAR and DeepMAR (ACPR-2015) [6] ...
- 行人属性数据集pa100k_Attribute-Recognition行人属性识别资料
(摘自王逍同学的论文arxiv-2019+Pedestrian Attribute Recognition A Survey) 1. 数据集 Dataset Pedestrians Attribute ...
- 行人属性识别二:添加新网络训练和自定义数据集训练
序言 上一篇记录了训练过程,但是项目中提供的模型网络都是偏大的,如果想要在边缘设备上部署,还是比较吃力的,所以本文记录如何加入新的网络模型进行训练,以repvgg为例,加入mobilenet.shuf ...
- 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 ...
最新文章
- 100年前的北京Vlog火了!大神利用AI修复古董纪录片,还原1920年的京城生活
- (转)一个as3写的减速效果
- wpf custom control
- 仿射密码 [GKCTF2020]小学生的密码学
- 【DevOps】为什么我们永远疲于奔命?
- TinyXML保存UTF-8编码的XML
- Python的Django框架中forms表单类的使用方法详解2
- 程序员职业生涯的11个阶段程序人生
- 合并数据 - 方法总结(concat、append、merge、join、combine_first)- Python代码
- bzoj2588: Spoj 10628. Count on a tree 主席树
- JAVA文章相似度对比(hanlp)
- eWebEditor的使用
- 如何选择socks5免费代理地址呢?
- 安全计算:使用ClamWin为高级用户提供免费病毒防护
- react 使用 useEffect 及踩坑
- VNC共享剪切板,打开远程复制粘贴功能
- 计算机与通信网络之间的常用通信设备,通讯设备有哪些,通信常用设备总结
- ubuntu同时使用有线和无线
- 传奇服务器脚本文件在哪个文件夹,传奇服务端每个文件夹的含义
- JavaScript初学——实现功能:单击按钮,视频暂停,按钮图标变换
热门文章
- c++builder:Project Project1.exe raised exception class EAccessViolation with message 'Access violati
- running_mean和running_var
- Plotting timeseries
- 移动 APP 的测试方法,以及移动专项测试的思路与方法
- 关于flash分区打印信息jffs2: jffs2_scan_eraseblock(): Magic bitmask 0x1985
- l麒麟安装oracle,中标麒麟linux安装Oracle客户端
- 四象限法推导lm曲线_四象限法分析
- iOS闪退日志的收集和解析
- 《快速掌握QML》第六章 动画
- MeionDZ:锁相环实现倍频功能