DetReIDX：面向实际无人机基于人员的识别的压力测试数据集
计算机视觉与模式识别
2025-05-09 v1
摘要
人员重识别（ReID）技术在受控、地面水平条件下表现相对良好，但在部署到具有挑战性的真实世界环境时会失效。显而易见，这是由于极端数据变异因素如分辨率、视角变化、尺度变化、遮挡以及服装或会话漂移带来的外观变化。此外，公开可用的数据集未真实地包含此类变异因素及其幅度，限制了该技术的进步。本文引入DetReIDX，一个大型航空-地面人员数据集，专为在真实条件下进行ReID压力测试而设计。DetReIDX是一个多会话数据集，包含来自509个身份标识的超过1300万个边界框，数据采集于三个大陆上的七个大学校园，无人机飞行高度在5.8至120米之间。更重要的是，作为关键新颖之处，DetReIDX受试者在至少两个不同天数的不同会话中记录，包括服装变化、日光变化和位置变化，适合实际评估长期人员ReID。此外，数据标注了16个软生物特征属性和检测、跟踪、ReID以及动作识别的多任务标签。为提供DetReIDX有用性的实证证据，我们考虑了人类检测和ReID的具体任务，其中SOTA方法在DetReIDX条件下会发生灾难性性能下降（检测准确率下降最高可达80%，Rank-1 ReID下降超过70%）。该数据集、标注以及官方评估协议已公开提供于https://www.it.ubi.pt/DetReIDX/。
引用
@article{arxiv.2505.04793,
title = {DetReIDX: A Stress-Test Dataset for Real-World UAV-Based Person Recognition},
author = {Kailash A. Hambarde and Nzakiese Mbongo and Pavan Kumar MP and Satish Mekewad and Carolina Fernandes and Gökhan Silahtaroğlu and Alice Nithya and Pawan Wasnik and MD. Rashidunnabi and Pranita Samale and Hugo Proença},
journal= {arXiv preprint arXiv:2505.04793},
year = {2025}
}