行人重識別market1501數(shù)據(jù)集介紹及格式轉(zhuǎn)化匯總
來源：投稿 作者：AI浩
編輯：學(xué)姐
market1501數(shù)據(jù)集介紹
2015年，論文 Person Re-Identification Meets Image Search 提出了 Market 1501 數(shù)據(jù)集，現(xiàn)在 Market 1501 數(shù)據(jù)集已經(jīng)成為行人重識別領(lǐng)域最常用的數(shù)據(jù)集之一。
數(shù)據(jù)庫中常見的缺點(diǎn)有：
數(shù)據(jù)庫規(guī)模?。▓D片少）
攝像頭個數(shù)少（一般為兩個）
行人身份較少
每個身份的query只有一個
圖片均為手動標(biāo)記的完美圖片，缺乏實(shí)際性
針對以上種種問題，創(chuàng)立了Market1501：
1501個身份
6個攝像頭
32668張圖片
DPM檢測器代替手工框出行人
500K張干擾圖片
每一個身份有多個query
每一個query平均對應(yīng)14.8個gallery
Market 1501 的行人圖片采集自清華大學(xué)校園的 6 個攝像頭，一共標(biāo)注了 1501 個行人。其中，751 個行人標(biāo)注用于訓(xùn)練集，750 個行人標(biāo)注用于測試集，訓(xùn)練集和測試集中沒有重復(fù)的行人 ID，也就是說出現(xiàn)在訓(xùn)練集中的 751 個行人均未出現(xiàn)在測試集中。
訓(xùn)練集：751 個行人，12936 張圖片
測試集：750 個行人，19732 張圖片
query 集：750 個行人，3368 張圖片。query 集的行人圖片都是手動標(biāo)注的圖片，從 6 個攝像頭中為測試集中的每個行人選取一張圖片，構(gòu)成 query 集。測試集中的每個行人至多有 6 張圖片，query 集共有 3368 張圖片。
網(wǎng)絡(luò)模型訓(xùn)練時，會用到訓(xùn)練集；測試模型好壞時，會用到測試集和 query 集。此時測試集也被稱作 gallery 集。因此實(shí)際用到的子集為，訓(xùn)練集、gallery 集 和 query 集。
數(shù)據(jù)集結(jié)構(gòu)
Market 1501 包括以下幾個文件夾：
bounding_box_test 是測試集，包括 19732 張圖片。
bounding_box_train 是訓(xùn)練集，包括 12936 張圖片。
gt_bbox 是手工標(biāo)注的訓(xùn)練集和測試集圖片，包括 25259 張圖片，用來區(qū)分 “good” “junk” 和 “distractors” 圖片。
query 是待查找的圖片集，在 bounding_box_test 中實(shí)現(xiàn)查找。這些圖片是手動繪制生成的。而 gallery 是通過 DPM 檢測器生成的。
gt_query 是一些 Matlab 格式的文件，里面記錄了 “good” 和 “junk” 圖片的索引，主要被用來評估模型。
數(shù)據(jù)集命名規(guī)則
以圖片 0012_c4s1_000826_01.jpg 對數(shù)據(jù)集命名進(jìn)行說明。
0012 是行人 ID，Market 1501 有 1501 個行人，故行人 ID 范圍為 0001-1501
c4 是攝像頭編號(camera 4)，表明圖片采集自第4個攝像頭，一共有 6 個攝像頭
s1 是視頻的第一個片段(sequece1)，一個視頻包含若干個片段
000826 是視頻的第 826 幀圖片，表明行人出現(xiàn)在該幀圖片中
01 代表第 826 幀圖片上的第一個檢測框，DPM 檢測器可能在一幀圖片上生成多個檢測框
格式轉(zhuǎn)化
1、創(chuàng)建數(shù)據(jù)集文件夾
新建1_makedir.py，插入代碼：
運(yùn)行后就可以得到文件夾！
2、抽取market1501數(shù)據(jù)集
將market1501數(shù)據(jù)集放到目錄，如下圖：
新建2_mark1501.py，插入代碼：
抽取后的結(jié)果：
3、抽取CUHK03數(shù)據(jù)集
ID從1502開始，一共1467個不同ID的行人
兩個數(shù)據(jù)集的訓(xùn)練集加起來有2萬張了圖片，測試集有1.8萬張圖片，接下來就不在增加測試集的數(shù)據(jù)了。
4、抽取MSMT17數(shù)據(jù)集
訓(xùn)練集包含1041個行人共32621個包圍框，而測試集包括3060個行人共93820個包圍框。 數(shù)據(jù)集選擇用MSMT17V1（文末領(lǐng)數(shù)據(jù)集）
導(dǎo)入完成后id增加到了7069。
5、抽取viper數(shù)據(jù)集
viper數(shù)據(jù)集一共有1264張圖片， ID從007070到007943一共1467個不同ID的行人
新建腳本5_viper.py,插入代碼：
導(dǎo)入完成后，id為7943。
6、抽取prid 2011
PRID數(shù)據(jù)集有攝像機(jī)A的385條軌跡和攝像機(jī)b的749條軌跡，其中只有200人出現(xiàn)在兩個攝像機(jī)中。該數(shù)據(jù)集還有一個單鏡頭版本，由隨機(jī)選擇的快照組成。有些軌跡沒有很好地同步，這意味著人可能會在連續(xù)的幀之間“跳躍”。
導(dǎo)入prid2011之后，id為9077
7、抽取i-LIDS-VID數(shù)據(jù)集
導(dǎo)入i-LIDS-VID數(shù)據(jù)集后，id為9396
8、抽取GRID數(shù)據(jù)集
QMUL地下再識別(GRID)數(shù)據(jù)集包含250個行人圖像對。每一對都包含兩張從不同視角看到的同一個體的圖像。所有的圖像都是從安裝在一個繁忙的地鐵站的8個不相交的攝像頭視圖中捕捉到的。旁邊的圖顯示了該站的每個相機(jī)視圖的快照和數(shù)據(jù)集中的樣本圖像。由于姿勢的變化，顏色，燈光的變化，數(shù)據(jù)集是具有挑戰(zhàn)性的;以及低空間分辨率造成的圖像質(zhì)量差。
新建8_grid.py腳本，插入代碼：
共有9646個ID。
9、抽取DukeMTMC-reID數(shù)據(jù)集
DukeMTMC-reID的數(shù)據(jù)規(guī)模比較大，格式和CUHK03數(shù)據(jù)集一致。如下圖：
收取數(shù)據(jù)的代碼如下：
完成后，ID為16786。
運(yùn)行FastReid
將制作好的數(shù)據(jù)集，替換原來的的market1501數(shù)據(jù)集。 然后在market1501.py腳本修改如下代碼：
ID改為9646，相機(jī)最大是16，所以相機(jī)的id<=16。改完之后就可以運(yùn)行了。
參考文章：
https://blog.csdn.net/songwsx/article/details/102987787
關(guān)注【學(xué)姐帶你玩AI】回復(fù)“17”獲取完整MSMT17數(shù)據(jù)集
