RSTPReid (Real Scenario Text-based Person Re-identification)

为了正确处理真实场景，我们基于 MSMT17 [2] 构建了一个名为 Real Scenario Text-based Person Re-identification (RSTPReid) 的新数据集。 RSTPReid 包含来自 15 个摄像头的 4,101 人的 20505 张图像。每个人有 5 张对应的图像，由不同的相机在不同时间段内拍摄，具有复杂的室内外场景变换和背景，这使得 RSTPReid 更具挑战性，更能适应真实场景。每张图片都带有 2 个文字描述。对于数据划分，分别使用 3701（索引 < 18505）、200（18505 <= 索引 < 19505）和 200（索引 >= 19505）身份进行训练、验证和测试（由 json 文件中的项目“拆分”标记）。每个句子不少于 23 个单词。
考虑到 RSTPReid 数据集是新建的，与 CUHK-PEDES 相比数据量较小，我们将每个模型分别训练了 10 次，并在表 1 中报告了验证集上的平均结果，以避免偶尔出现不稳定的性能。此外，在本文中，我们仅使用 RSTPReid 对提出的五种对齐范式进行了初步分析，并将结果作为每个组件有效性的进一步证明。本文中的大部分实验仍然使用 CHUK-PEDES 进行，其中报告了测试集的最终结果。
在 RSTPReid 的测试集上，DSSL 分别达到了 top-1、top-5 和 top-10 的 39.05%、62.60% 和 73.95% 的准确率。将与 CUHK-PEDES 一起对 RETPReid 进行更详细的实验分析，这将在本文的扩展部分中报告。