IUST PersonReId

IUST PersonReId数据集由伊朗科技大学计算机工程学院创建，旨在填补现有人员重识别数据集在伊斯兰文化背景下的空白。该数据集包含1847个身份，涵盖了伊朗和伊拉克的多个场景，如校园、市场、清真寺等，总计117,455张图像。数据集的创建过程包括从不同地点收集视频数据，并通过自动化跟踪算法进行标注，最终通过人工校正确保数据质量。该数据集的应用领域主要集中在提升在伊斯兰文化背景下的人员重识别模型的准确性和鲁棒性，解决因服装风格差异导致的模型性能下降问题。IUST PersonReId Dataset was developed by the School of Computer Engineering, Iran University of Science and Technology, aiming to fill the gap in existing person re-identification datasets under the Islamic cultural context. This dataset contains 1847 identities, covering multiple scenarios in Iran and Iraq such as campuses, markets, mosques and other public places, with a total of 117,455 images. The dataset construction workflow includes collecting video data from various locations, annotating the data via automated tracking algorithms, and finally conducting manual verification to ensure data quality. The primary application fields of this dataset focus on enhancing the accuracy and robustness of person re-identification models under the Islamic cultural context, and addressing the problem of degraded model performance caused by differences in clothing styles.

搜集汇总

数据集介绍

构建方式

IUST PersonReId数据集的构建旨在填补现有行人重识别（ReID）数据集中文化服装多样性的空白，特别是针对伊朗等伊斯兰地区的文化背景。数据收集过程涵盖了伊朗科技大学校园、水果店、超市、清真寺以及伊拉克阿巴因游行等多个场景，确保了数据的多样性和代表性。通过使用监控摄像头和手持设备，研究人员采集了约500小时的原始视频素材，并采用自动化跟踪算法（如YOLOv5、YOLOv8等）进行预标注，随后通过CVAT工具进行人工修正，确保标注的准确性。最终，数据集包含1,847个独特身份和117,455个标注框，涵盖了不同季节、光照条件和服装风格的场景。

特点

IUST PersonReId数据集的特点在于其专注于伊斯兰文化背景下的行人重识别挑战，特别是女性佩戴头巾的服装风格。数据集涵盖了多种复杂场景，包括非标准摄像头角度、动态光照变化、不同摄像头质量以及季节性服装变化。此外，数据集还特别包含了类似服装场景，如穆哈拉姆宗教仪式和阿巴因游行，这些场景中大多数参与者穿着黑色服装，增加了重识别的难度。通过这些独特的挑战，IUST PersonReId为开发更具鲁棒性和文化敏感性的ReID模型提供了重要资源。

使用方法

IUST PersonReId数据集的使用方法包括将其划分为训练集和测试集，分别用于模型的微调和性能评估。训练集包含前75%的视频素材，测试集则包含剩余的25%。研究人员可以使用该数据集对现有的ReID模型（如Solider和CLIP-ReID）进行微调，并通过标准评估指标（如CMC和mAP）来衡量模型性能。此外，数据集还支持序列化重识别方法，通过利用多个图像的时间上下文信息来提高识别准确性。通过这种方式，IUST PersonReId为研究人员提供了一个全面的平台，用于探索和解决文化服装多样性带来的重识别挑战。

背景与挑战

背景概述

IUST PersonReId数据集由伊朗科技大学计算机工程学院的研究团队于2024年推出，旨在解决行人重识别（ReID）模型在伊斯兰文化背景下的泛化问题。现有数据集主要涵盖西方和东亚地区的服装风格，难以应对伊朗等地区普遍存在的朴素服饰场景。该数据集通过采集伊朗和伊拉克的多个场景（如市场、校园、清真寺等），反映了这些地区的独特文化与环境挑战。实验表明，现有先进模型如Solider和CLIP-ReID在该数据集上的性能显著下降，凸显了遮挡和特征不足等问题。IUST PersonReId为全球ReID研究提供了重要的文化敏感性资源，推动了公平性和偏差问题的解决。

当前挑战

IUST PersonReId数据集在构建和应用中面临多重挑战。首先，朴素服饰（如头巾）导致个体视觉特征减少，增加了重识别的难度。其次，数据集涵盖的场景复杂多样，包括光照变化、遮挡和季节性服装差异，进一步加剧了模型的识别挑战。在数据构建过程中，研究团队需应对非标准摄像头角度、动态光照条件以及相似服装场景（如宗教仪式中的黑色服饰）等问题。此外，标注过程涉及大量手动修正，以确保数据的准确性和一致性。这些挑战不仅反映了数据集的技术复杂性，也凸显了其在文化多样性研究中的独特价值。

常用场景

经典使用场景

IUST PersonReId数据集在行人重识别（ReID）领域中被广泛用于评估和训练模型，特别是在涉及伊斯兰文化背景的场景中。该数据集通过捕捉伊朗和伊拉克的多样化场景，如校园、市场、清真寺等，提供了丰富的文化服饰和环境变化，使得研究者能够在这些特定文化背景下测试模型的鲁棒性和泛化能力。

解决学术问题

IUST PersonReId数据集解决了现有ReID数据集在文化服饰多样性上的不足，特别是针对伊斯兰文化中常见的保守服饰（如头巾）所带来的挑战。通过引入这些独特的文化元素，该数据集帮助研究者更好地理解和解决模型在跨文化场景中的性能下降问题，推动了公平性和无偏见的ReID系统的发展。

衍生相关工作

IUST PersonReId数据集的发布推动了多篇相关研究工作的开展，特别是在跨文化ReID和公平性研究领域。例如，基于该数据集的研究提出了新的模型训练策略，如序列化重识别和基于时间上下文的改进方法，这些方法显著提升了模型在复杂场景中的表现。此外，该数据集还激发了关于服饰多样性和模型偏见的研究，进一步推动了ReID技术的公平性和普适性。