Parse27k Dataset

PARSE-27k基于在城市环境中由移动摄像机拍摄的8个不同长度的视频序列。DPM行人检测器已处理了序列的每15帧。我们用10个属性标签手动注释了生成的边界框，同时整理了检测器的误报。属性的选择是由机器人/汽车应用场景驱动的，并且具有与处理影响人的外观和形状的携带物品有关的多个视觉属性。
PARSE-27k有仔细的训练 (50%)，验证 (25%) 和测试 (25%) 拆分。这意味着我们只沿着序列边界分裂。此外，在同一天拍摄的序列可以是train-val或test。这避免了跨越分裂的高度相似的例子。与其他人属性数据集相比，PARSE-27k相对于姿势和裁剪具有相对较小的方差，因为它仅包含由行人检测器获得的行人边界框的作物。这与其他一些公开可用的数据集形成对比，这些数据集显示了各种不同的姿势和作物 (上半身镜头，只有脸，全身)。通过增加数据集大小和减少这种方差，我们希望提高模型质量。

搜集汇总

背景与挑战

背景概述

Parse27k数据集基于城市移动摄像机视频，通过DPM检测器提取行人边界框并手动标注10个属性，专用于机器人或汽车应用场景。数据集进行了严格的训练、验证和测试拆分，以减少姿势和裁剪的方差，旨在提升模型质量。