資料集簡介

CUHK03是第一個足以進行深度學習的大規模行人重識別資料集，該資料集的影象採集於香港中文大學（CUHK）校園。資料以”cuhk-03.mat”的 MAT 檔案格式儲存，含有 1467 個不同的人物，由 5 對攝像頭採集。

目錄結構

CUHK-03
　　├── “detected”── 5 x 1 cell
　　　　　　　├── 843x10 cell
　　　　　　　├── 440x10 cell
　　　　　　　├── 77x10 cell
　　　　　　　├── 58x10 cell
　　　　　　　├── 49x10 cell
　　├── “labeled”── 5 x 1 cell
　　　　　　　├── 843x10 cell
　　　　　　　├── 440x10 cell
　　　　　　　├── 77x10 cell
　　　　　　　├── 58x10 cell
　　　　　　　├── 49x10 cell
　　├── “testsets”── 20 x 1 cell
　　　　　　　├── 100 x 2 double matrix

目錄介紹

（1）”detected”—— 5 x 1 cells，由機器標註，每個 cell 中包含一對攝像頭組採集的照片，如下所示：
　　每個攝像頭組由 M x 10 cells 組成，M 為行人索引，前 5 列和後 5 列分別來自同一組的不同攝像頭。
　　cell 內每個元素為一幅 H x W x 3 的行人框影象(uint8 資料型別)，個別影象可能空缺，為空集。

• 843x10 cell ——> 攝像頭組pair 1。
• 440x10 cell ——> 攝像頭組pair 2。
• 77x10 cell ——> 攝像頭組pair 3。
• 58x10 cell ——> 攝像頭組pair 4。
• 49x10 cell ——> 攝像頭組pair 5。

（2）”labeled”—— 5 x 1 cells，行人框由人工標註，格式和內容和”detected”相同。

（3）”testsets”—— 20 x 1 cells，測試協議，由 20 個 100 x 2 double 型別矩陣組成 (重複二十次)。
　　100 x 2 double，100 行代表 100 個測試樣本，第 1 列為攝像頭 pair 索引，第 2 列為行人索引。

測試協議

CUHK-03的測試協議有兩種。

　　第一種為舊的版本(參考文獻 [1], 即資料集的出處)，參見資料集中的’testsets’測試協議。具體地說，即隨機選出100個行人作為測試集，1160 個行人作為訓練集，100 個行人作為驗證集（這裡總共 1360 個行人而不是 1467 個，這是因為實驗中沒有用到攝像頭組pair 4 和 5 的資料），重複二十次。這種測試協議是 single-shot setting.

　　第二種測試協議(參考文獻 [2])類似於 Market-1501 ，它將資料集分為包含 767 個行人的訓練集和包含 700 個行人的測試集。在測試階段，我們隨機選擇一張影象作為 query，剩下的作為 gallery，這樣的話，對於每個行人，有多個 ground truth 在 gallery 中。（新測試協議可以參考這裡）

下載地址

State-of-the-art

Citation

If you use this dataset, please kindly cite the following paper:

@inproceedings{li2014deepreid,
  title={DeepReID: Deep Filter Pairing Neural Network for Person Re-identification},
  author={Li, Wei and Zhao, Rui and Xiao, Tong and Wang, Xiaogang},
  booktitle={CVPR},
  year={2014}
}

參考文獻

• Li, W., Zhao, R., Xiao, T., & Wang, X. (2014). Deepreid: Deep filter pairing neural network for person re-identification. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 152-159).
• Zhong Z, Zheng L, Cao D, et al. Re-ranking person re-identification with k-reciprocal encoding[C]//Computer Vision and Pattern Recognition (CVPR), 2017 IEEE Conference on. IEEE, 2017: 3652-3661.