官方服务：
资源简介：
Pedestrians' Attributes.
应用场景：
创建时间：
2013-04-01
相关数据集
MSP60K
MSP60K是由安徽大学创建的一个大规模跨域行人属性识别数据集，包含60,122张图像和57个属性标签，涵盖八个不同场景。数据集通过智能监控系统和手机收集，经过模糊、遮挡、光照变化等破坏性操作处理，以更好地模拟真实世界挑战。数据集的创建旨在解决现有数据集性能接近饱和、忽视跨域影响等问题，适用于行人检测、跟踪等以人为中心的任务，推动行人属性识别模型的发展和实际部署。
arXiv2024-08-19 更新7130
Richly Annotated Pedestrian (RAP) dataset
RAP数据集是由中国科学院自动化研究所创建的大型行人属性识别数据集，包含41,585个行人样本，每个样本标注了72个属性以及视角、遮挡和身体部位信息。该数据集来源于真实的监控场景，旨在解决监控系统中行人属性识别的问题，特别是在视角、遮挡和身体部位变化下的属性识别。数据集的创建过程涉及从监控视频中提取样本，并使用高斯混合模型进行行人检测和跟踪。RAP数据集的应用领域包括监控系统中的行人分析、属性识别
arXiv2016-04-27 更新1640
Database of Superfine Attributes for Peta
This dataset accompanies the paper: Martinho-Corbishley, D., Nixon, M., & Carter, J. (2018). Super-fine attributes with crowd prototyping. IEEE Transactions on Pattern Analysis and Machine Intelli
DataCite Commons2020-07-29 更新80
RAPv1, RAPv2
RAPv1是一个丰富的行人属性标注数据集，包含41,585个行人样本，每个样本都标注了72个属性以及视角、遮挡和身体部位信息。RAPv2是RAPv1的扩展版本，增加了身份标注，总共有84,928个标注了属性的行人样本，其中26,638个样本还标注了身份信息。
github2023-03-20 更新3320
PETAzs, RAPv2zs
PETAzs和RAPv2zs是基于PETA和RAPv2数据集构建的两个现实场景数据集，旨在解决现有数据集中训练集和测试集身份重叠的问题。这两个数据集遵循零样本设置，确保测试集中的行人身份与训练集完全不重叠，从而更真实地反映实际应用场景。数据集的创建过程涉及对原始数据集的重新划分，以消除身份重叠，提高数据集的实用性和评估的准确性。这些数据集主要应用于行人属性识别领域，旨在解决行人属性识别模型在实际应
arXiv2020-05-26 更新510
