UCF-QNRF

Automatic counting and localizing in dense crowd scenes has significant importance from socio-political and safety perspective. Crowds gather around the world in a variety of scenarios and counting the number of participants is often an important matter of concern for the organizers and the law enforcement agencies. We introduce the largest dataset to-date (in terms of number of annotations) for training and evaluating crowd counting and localization methods.

密集人群场景下的自动计数与定位任务，从社会政治与安全维度具备重要研究价值。全球各地的各类场景中均会出现人群聚集现象，统计参与人数往往是活动主办方与执法机构高度关注的核心事项。我们提出了迄今为止以标注数量衡量的规模最大的数据集，用于训练和评估人群计数与定位相关方法。

搜集汇总

背景与挑战

背景概述

UCF-QNRF是一个用于密集人群场景中自动计数和定位的大规模数据集，包含1535张高分辨率图像，分为1201张训练图像和334张测试图像，具有全球多样化的场景、视角和密度变化。该数据集是目前注释数量最大的，适用于训练深度卷积神经网络，并支持实际人群分析系统的开发。