RSTPReid

displayName: RSTPReid (Real Scenario Text-based Person Re-identification)
license:
- MIT
paperUrl: https://arxiv.org/pdf/2109.05534v1.pdf
publishDate: "2021"
publishUrl: https://github.com/NjtechCVLab/RSTPReid-Dataset
publisher:
- Beihang University
- Nanjing Tech University
- China University of Mining and Technology
tags:
- Human
taskTypes:
- Person Re-identification
- Text based Person Retrieval
- Person Retrieval

---
# 数据集介绍
## 简介
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。
## 引文
```
@inproceedings{zhu2021dssl,
title={DSSL: Deep Surroundings-person Separation Learning for Text-based Person Retrieval},
author={Zhu, Aichun and Wang, Zijie and Li, Yifeng and Wan, Xili and Jin, Jing and Wang, Tian and Hu, Fangqiang and Hua, Gang},
booktitle={Proceedings of the 29th ACM International Conference on Multimedia},
pages={209--217},
year={2021}
}
```

## Download dataset
:modelscope-code[]{type="git"}

数据集名称：RSTPReid（真实场景基于文本的行人重识别，Real Scenario Text-based Person Re-identification）
许可证：MIT协议
论文链接：https://arxiv.org/pdf/2109.05534v1.pdf
发布年份：2021年
数据集发布链接：https://github.com/NjtechCVLab/RSTPReid-Dataset
发布单位：北京航空航天大学、南京工业大学、中国矿业大学
标签：行人
任务类型：行人重识别、基于文本的行人检索、行人检索

---

# 数据集介绍
## 简介
为适配真实场景下的任务需求，研究团队基于MSMT17[2]构建了全新的RSTPReid（真实场景基于文本的行人重识别，Real Scenario Text-based Person Re-identification）数据集。该数据集共包含来自15个摄像头的20505张行人图像，覆盖4101名身份各异的行人。每名行人对应5张由不同摄像头在不同时段采集的图像，场景涵盖复杂的室内外环境变换与多样背景，大幅提升了数据集的任务挑战性，更贴合真实应用场景。每张行人图像均配有2段文本描述，每段文本的单词数不少于23个。

数据集划分方面，按照JSON文件中"split"字段的标注，分别以3701名（索引<18505）、200名（18505≤索引<19505）及200名（索引≥19505）身份作为训练集、验证集与测试集。

鉴于RSTPReid为新建数据集，且数据规模小于CHUK-PEDES（疑为笔误，标准写法为CUHK-PEDES），研究团队将每个模型独立训练10次，并在表1中报告验证集上的平均结果，以规避单次训练可能出现的性能波动问题。此外，本文仅使用RSTPReid对提出的五种对齐范式开展初步分析，将所得结果作为各组件有效性的进一步验证依据。本文中大部分实验仍基于CHUK-PEDES进行，其测试集最终结果已在文中披露。

在RSTPReid测试集上，DSSL模型的top-1、top-5及top-10准确率分别达到39.05%、62.60%与73.95%。后续将结合CHUK-PEDES数据集对RETPReid（疑为笔误，标准写法为RSTPReid）开展更细致的实验分析，相关内容将在本文的扩展部分中呈现。

## 引用格式

@inproceedings{zhu2021dssl,
title={DSSL: Deep Surroundings-person Separation Learning for Text-based Person Retrieval},
author={Zhu, Aichun and Wang, Zijie and Li, Yifeng and Wan, Xili and Jin, Jing and Wang, Tian and Hu, Fangqiang and Hua, Gang},
booktitle={Proceedings of the 29th ACM International Conference on Multimedia},
pages={209--217},
year={2021}
}

## 数据集下载：采用Git方式获取（:modelscope-code[]{type="git"}）

搜集汇总

背景与挑战

背景概述

RSTPReid是一个真实场景文本行人重识别数据集，包含20,505张图像和4,101个个体，每个个体有5张图像和2个文本描述。数据集具有复杂的室内外场景转换和背景，分为训练、验证和测试三部分，适合真实场景应用。