用于行人属性识别的富标注数据集
计算机视觉与模式识别
2016-04-28 v3
摘要
本文旨在改进真实监控场景下行人属性识别的数据集基础。人类属性（如性别、衣服类型）识别在实际应用中前景广阔。然而，适用于属性识别的基准数据集的发展仍然滞后。现有人体属性数据集采集自不同来源或是行人再识别数据集的整合。这种异构采集给开发高质量细粒度属性识别算法带来巨大挑战。此外，人体属性识别通常深受环境或上下文因素（如视角、遮挡和身体部位）的严重影响，而现有属性数据集几乎未关注它们。为解决这些问题，我们基于真实多摄像头监控场景长期收集构建了富标注行人(RAP)数据集，其中数据样本不仅标注了细粒度人体属性，还标注了环境与上下文因素。RAP共有41,585个行人样本，每个样本标注了72个属性以及视角、遮挡、身体部位信息。据我们所知，RAP数据集是最大的行人属性数据集，有望极大促进大规模属性识别系统的研究。此外，我们实证分析了不同环境与上下文因素对行人属性识别的影响。实验结果表明，视角、遮挡和身体部位信息能在真实应用中极大辅助属性识别。
引用
@article{arxiv.1603.07054,
title = {A Richly Annotated Dataset for Pedestrian Attribute Recognition},
author = {Dangwei Li and Zhang Zhang and Xiaotang Chen and Haibin Ling and Kaiqi Huang},
journal= {arXiv preprint arXiv:1603.07054},
year = {2016}
}
备注
16 pages, 8 figures