five

PA-100K

收藏
魔搭社区2025-09-16 更新2024-08-31 收录
下载链接:
https://modelscope.cn/datasets/OmniData/PA-100K
下载链接
链接失效反馈
官方服务:
资源简介:
displayName: PA-100K (PA-100K Dataset) license: - CC BY 4.0 mediaTypes: - Image paperUrl: https://arxiv.org/pdf/1709.09930v1.pdf publishDate: "2017" publishUrl: https://github.com/xh-liu/HydraPlus-Net publisher: - SenseTime - Chinese University of Hong Kong tags: - Pedestrian Image taskTypes: - Pedestrian Attribute Recognition --- # 数据集介绍 ## 简介 PA-100K是最近提出的大型行人属性数据集,总共从室外监控摄像机收集了100,000个图像。它分为训练集的80,000图像和验证集的10,000和测试集的10,000。此数据集由26个二进制属性标记。两个所选数据集中都存在的共同特征是,由于分辨率相对较低,图像模糊,并且每个二进制属性的正比率较低。 ## 引文 ``` @inproceedings{liu2017hydraplus, title={Hydraplus-net: Attentive deep features for pedestrian analysis}, author={Liu, Xihui and Zhao, Haiyu and Tian, Maoqing and Sheng, Lu and Shao, Jing and Yi, Shuai and Yan, Junjie and Wang, Xiaogang}, booktitle={Proceedings of the IEEE international conference on computer vision}, pages={350--359}, year={2017} } ``` ## Download dataset :modelscope-code[]{type="git"}

数据集名称:PA-100K(PA-100K Dataset) 许可协议:CC BY 4.0 媒体类型:图像 论文链接:https://arxiv.org/pdf/1709.09930v1.pdf 发布年份:2017 发布地址:https://github.com/xh-liu/HydraPlus-Net 发布机构:商汤科技(SenseTime)、香港中文大学(Chinese University of Hong Kong) 标签:行人图像(Pedestrian Image) 任务类型:行人属性识别(Pedestrian Attribute Recognition) --- # 数据集简介 ## 简介 PA-100K是近年来提出的大型行人属性数据集,总计通过室外监控摄像头采集了100,000幅行人图像。该数据集划分为训练集(80,000幅)、验证集(10,000幅)与测试集(10,000幅),共标注了26个二分类属性。该数据集的所有子集均具备如下共同特征:受限于相对较低的图像分辨率,样本普遍存在模糊问题,且各二分类属性的正样本占比偏低。 ## 引文 @inproceedings{liu2017hydraplus, title={Hydraplus-net: Attentive deep features for pedestrian analysis}, author={Liu, Xihui and Zhao, Haiyu and Tian, Maoqing and Sheng, Lu and Shao, Jing and Yi, Shuai and Yan, Junjie and Wang, Xiaogang}, booktitle={Proceedings of the IEEE international conference on computer vision}, pages={350--359}, year={2017} } ## 数据集下载 :modelscope-code[]{type="git"}
提供机构:
maas
创建时间:
2024-07-05
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作