AiC Dataset

AiC（人群属性）是一个新颖的合成数据集，用于在强烈遮挡情况下的人群属性识别，通过利用高度逼真的视频游戏《侠盗猎车手V》创建。该数据集包含125,000个样本，每个样本代表一个独特的人物，并自动标记了视觉属性和关节位置信息。

AiC (Crowd Attributes) is a novel synthetic dataset designed for crowd attribute recognition under severe occlusion, created by leveraging the highly realistic video game 'Grand Theft Auto V'. The dataset comprises 125,000 samples, each representing a unique individual, and is automatically annotated with visual attributes and joint position information.

原始信息汇总

AiC Dataset 概述

数据集描述

AiC (Attributes in Crowd) 是一个用于人群中人物属性识别的合成数据集，特别关注强遮挡情况。该数据集通过利用高度逼真的视频游戏《侠盗猎车手V》创建，包含125,000个样本，每个样本代表一个独特的人物，并自动标注了视觉属性和关节位置信息。

数据集内容

下载并解压后，AiC-Dataset 目录包含以下文件和目录：

• crops: 包含图像样本的目录，每个样本 x 对应两个图像文件：

  • x.jpg: 完全可见的样本图像
  • x_occ.jpg: 被遮挡的样本图像

• annotations.json: 整个数据集的标注文件

• train.json: 包含用于训练的样本ID的文件

• test.json: 包含用于测试的样本ID的文件

标注信息

标注文件结构

标注文件 annotations.json 是一个字典列表，每个字典代表一个数据集样本，包含以下键值：

键	描述
attributes	二进制属性列表
pose	关节列表
id	样本的唯一标识符

属性列表

属性列表按以下顺序排列：

0: Female 1: Age17-30 2: Age31-45 3: BodyNormal 4: BodyThin 5: BaldHead 6: LongHair 7: BlackHair 8: Hat 9: Muffler 10: Shirt 11: Sweater 12: Jacket 13: TightHood 14: ShortSleeve 15: LongTrousers 16: Skirt 17: Jeans 18: Tights 19: shoes-Leather 20: shoes-Sport 21: shoes-Boots 22: Backpack 23: Eyeglasses

关节信息

每个关节信息是一个列表，包含以下元素：

元素索引	名称	描述
0	关节类型	关节类型的标识符
1	x2D	关节的2D _x_坐标（像素）
2	y2D	关节的2D _y_坐标（像素）
3	occluded	如果关节被遮挡则为1，否则为0
4	self-occluded	如果关节被自身遮挡则为1，否则为0

关节类型与数值标识符的对应关系如下：

0: head_top 1: head_center 2: neck 3: right_clavicle 4: right_shoulder 5: right_elbow 6: right_wrist 7: left_clavicle 8: left_shoulder 9: left_elbow 10: left_wrist 11: spine0 12: spine1 13: spine2 14: spine3 15: spine4 16: right_hip 17: right_knee 18: right_ankle 19: left_hip 20: left_knee 21: left_ankle

搜集汇总

数据集介绍

构建方式

AiC数据集是通过利用高度逼真的视频游戏《侠盗猎车手V》构建的，旨在研究在强遮挡情况下的人物属性识别。该数据集包含125,000个样本，每个样本代表一个独特的人物，并自动标注了视觉属性和关节位置信息。通过游戏引擎生成的数据，确保了样本的多样性和真实性，同时提供了遮挡和非遮挡两种图像版本，以模拟现实世界中的复杂场景。

特点

AiC数据集的特点在于其丰富的标注信息和多样化的样本。每个样本不仅包含人物的视觉属性（如性别、年龄、发型、服装等），还详细标注了关节位置及其遮挡状态。数据集中的图像分为完全可见和遮挡两种版本，能够有效支持遮挡情况下的属性识别研究。此外，数据集的规模庞大，涵盖了广泛的人物特征和姿态变化，为算法训练和评估提供了坚实的基础。

使用方法

使用AiC数据集时，用户首先需要从指定链接下载数据，并同意仅用于研究和教育目的。下载后的数据集包含图像样本目录和标注文件。图像样本分为完全可见和遮挡两种版本，标注文件以JSON格式存储，包含每个样本的属性、关节位置及遮挡信息。用户可以通过读取标注文件，结合图像样本进行模型训练和测试。数据集的训练集和测试集已预先划分，便于直接应用于算法开发与评估。

背景与挑战

背景概述

AiC（Attributes in Crowd）数据集是一个专为人群属性识别而设计的合成数据集，特别关注在强遮挡情况下的识别问题。该数据集由意大利摩德纳和雷焦艾米利亚大学的研究团队于2019年创建，基于高度逼真的视频游戏《侠盗猎车手V》生成。数据集包含125,000个样本，每个样本代表一个独特的人物，并自动标注了视觉属性和关节位置信息。AiC数据集的推出为计算机视觉领域，尤其是在遮挡环境下的人体属性识别和姿态估计研究提供了重要的数据支持，推动了相关算法的进步。

当前挑战

AiC数据集在解决遮挡环境下的人体属性识别问题时面临多重挑战。首先，遮挡情况下的属性识别本身具有较高的复杂性，尤其是在部分身体部位被遮挡时，模型难以准确推断被遮挡区域的属性信息。其次，数据集的构建依赖于虚拟环境生成的数据，尽管《侠盗猎车手V》具有高度逼真的视觉效果，但虚拟数据与真实场景之间仍存在域差异，可能导致模型在实际应用中的泛化能力受限。此外，数据集的标注过程虽然自动化，但仍需确保标注的准确性和一致性，尤其是在关节位置和属性标签的生成上，这对数据质量提出了较高要求。

常用场景

经典使用场景

AiC数据集在人群属性识别领域具有重要应用，特别是在存在严重遮挡的情况下。该数据集通过利用高度逼真的视频游戏《侠盗猎车手V》生成，提供了125,000个独特的样本，每个样本都自动标注了视觉属性和关节位置信息。这使得AiC数据集成为研究遮挡条件下人体属性识别的理想选择。

解决学术问题

AiC数据集解决了在复杂场景中识别被遮挡人体属性的难题。通过提供大量带有遮挡的样本及其详细的标注信息，研究人员能够开发出更鲁棒的算法，以应对现实世界中常见的遮挡问题。这不仅推动了计算机视觉领域的发展，还为智能监控、自动驾驶等应用提供了技术支持。

衍生相关工作

AiC数据集的推出催生了一系列相关研究，特别是在遮挡条件下的人体属性识别和姿态估计领域。例如，基于AiC数据集的研究工作提出了多种深度学习模型，用于提高遮挡情况下的识别准确率。此外，该数据集还被用于开发新的数据增强技术，以进一步提升模型的泛化能力。