OpenGait|步态识别数据集|人工智能数据集

arXiv2024-05-15 更新2024-06-21 收录

步态识别

人工智能

下载链接：

https://github.com/ShiqiYu/OpenGait

下载链接

链接失效反馈

资源简介：

OpenGait是一个灵活高效的步态识别平台，由南方科技大学计算机科学与工程系开发。该数据集旨在通过深入的消融实验，重新审视步态识别的最新进展，并发现先前方法中的一些不完美部分，从而提出三个结构简单但经验强大且实用稳健的基线模型。OpenGait支持所有上述步态模式，无论传感器类型如何，并已被广泛应用于两个主要的国际步态识别竞赛中，旨在激发步态识别的进一步研究和应用，以提高实用性。

提供机构：

南方科技大学计算机科学与工程系

创建时间：

2024-05-15

AI搜集汇总

数据集介绍

构建方式

在步态识别领域，现有的方法在室内环境下取得了显著进展，但在应用于新发布的真实世界步态数据集时，往往表现不佳。为了解决这一问题，研究团队开发了OpenGait，一个灵活高效的步态识别平台。通过使用OpenGait作为基础，研究团队进行了深入的消融实验，重新审视了近年来步态识别的发展，并发现了某些先前方法的不完善之处，从而得出了几个关键但未被发现的见解。基于这些发现，研究团队开发了三个结构简单但经验上强大且实际稳健的基线模型，分别代表了基于外观、基于模型和多模态的步态模式描述方法。

特点

OpenGait数据集的特点在于其全面性和实用性。该数据集不仅涵盖了多种最先进的步态识别方法，还包含了在真实环境中捕获的新兴步态数据集。此外，OpenGait平台具有高度的可扩展性和可重用性，已被扩展到多个潜在有影响力的存储库，并被广泛应用于国际步态识别竞赛中。通过广泛的实验，研究团队揭示了浅层与深层步态模型建模经验、典型步态模态的表示能力等关键见解。

使用方法

OpenGait数据集的使用方法包括数据加载、采样和预处理，以及模型训练和评估。数据模块负责加载、采样和预处理输入数据流，建模模块基于基类预定义深度模型在训练和测试阶段的行为，包括优化和推理。评估模块用于评估获得模型的性能。OpenGait平台支持多种步态模态和框架，兼容常用的步态数据集，并支持最先进的方法。研究人员可以通过该平台进行系统分析和比较，从而推动步态识别领域的进一步研究和应用。

背景与挑战

背景概述

OpenGait数据集由南方科技大学计算机科学与工程系的Chao Fan、Saihui Hou、Junhao Liang、Chuanfu Shen、Jingzhe Ma、Dongyang Jin、Yongzhen Huang和Shiqi Yu等人于2024年创建。该数据集的核心研究问题是如何在实际应用中提升步态识别的实用性，特别是在室内外不同环境下步态识别方法的泛化能力。OpenGait不仅提供了一个灵活高效的步态识别平台，还通过深入的消融实验重新审视了近期步态识别的发展，揭示了现有方法的不足，并提出了三个结构简单但经验上强大且实用的基线模型。这些研究成果对步态识别领域具有重要影响，特别是在推动步态识别技术从实验室环境向实际应用场景的转变方面。

当前挑战

OpenGait数据集面临的挑战主要集中在两个方面：一是解决步态识别在实际应用中的泛化问题，特别是在复杂背景、光照变化和遮挡等现实因素下的表现；二是在构建过程中，如何处理不同步态数据集之间的差异，确保方法在多种数据集上的通用性和鲁棒性。此外，现有步态识别方法在处理大规模真实世界数据集时，往往表现出显著的性能下降，这表明现有方法在面对实际应用中的噪声和复杂性时存在局限性。因此，OpenGait的研究不仅需要提升模型性能，还需要增强模型在实际环境中的适应性和鲁棒性。

常用场景

经典使用场景

在步态识别领域，OpenGait数据集的经典使用场景主要集中在通过深度学习模型对步态特征进行提取和识别。该数据集支持多种步态模态，包括外观特征、模型特征和多模态特征，为研究人员提供了一个灵活且高效的步态识别平台。通过OpenGait，研究者可以进行深入的消融实验，重新审视和评估现有的步态识别方法，从而发现并解决现有方法在实际应用中的不足。

衍生相关工作

OpenGait数据集的发布和应用催生了一系列相关的经典工作。例如，基于OpenGait平台的Gait3D-Benchmark和FastPoseGait等扩展库，进一步推动了步态识别技术的发展。此外，OpenGait还被广泛应用于国际步态识别竞赛中，如HID和GREW，许多获奖团队都采用了OpenGait作为其解决方案的基础代码库，展示了其在步态识别领域的广泛影响力和实际应用价值。

数据集最近研究

相关研究论文

1
OpenGait: A Comprehensive Benchmark Study for Gait Recognition towards Better Practicality南方科技大学计算机科学与工程系 · 2024年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

Figshare

Figshare是一个在线数据共享平台，允许研究人员上传和共享各种类型的研究成果，包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。

figshare.com 收录

TimeExtractor

该数据集由JioNLP创建，旨在微调大型语言模型（LLMs）以从文本中提取时间实体，并将其标准化为JSON格式。数据集分为两部分：general.json包含从各种新闻来源提取的样本，smartspeaker.json包含从语音助手获取的样本。提取过程首先从文本中提取原始时间实体字符串，然后通过大型模型进行标准化处理，最终结果可以输入到JioNLP的时间解析模块jio.parse中进行处理，以获得准确可靠的结果。数据集目前规模较小，未来可以通过添加各种类型的文本来扩展。

huggingface 收录

CodeGen

CodeGen数据集是一个用于代码生成和理解的大型数据集，包含了多种编程语言的代码片段和相应的自然语言描述。该数据集旨在帮助研究人员和开发者训练和评估代码生成模型，提高代码生成的准确性和效率。

github.com 收录

学生课堂行为数据集 (SCB-dataset3)

学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。

arXiv 收录

OMIM (Online Mendelian Inheritance in Man)

OMIM是一个包含人类基因和遗传疾病信息的在线数据库。它提供了详细的遗传疾病描述、基因定位、相关文献和临床信息。数据集内容包括疾病名称、基因名称、基因定位、遗传模式、临床特征、相关文献引用等。