May, 2024

ENTIRe-ID：一份广泛而多元的人员再辨识数据集

PDF
TL;DR这篇论文介绍了 ENTIRe-ID 数据集，该数据集包含了超过 4.45 百万张图像，来自 37 个不同的相机，涵盖了各种环境。该数据集独特地设计用于解决领域变异和模型泛化的挑战，是人像重新识别现有数据集的不足之处。ENTIRe-ID 数据集具有广泛的真实世界场景，包括各种光照条件、视角和不同的人类活动，确保了逼真且稳健的 ReID 模型训练平台。该数据集公开可用于此 https URL。
发现论文，激发创造
  • 实用真实世界应用的人员重识别数据集和方法基准测试

    本文介绍了一种完整的方法来评估人物重新识别方法及其训练数据集在无监督实时操作方面的适用性，并以三个数据集为基准测试了四种方法，提供指南以帮助未来设计更好的人物重新识别流水线。

    Dec, 2022

  • 一个开放世界、多样化、跨时空的动态野外人员再识别基准

    通过开展多样性的采集场景、光照变化、人物状态和保护隐私等方面的数据收集和处理，以及提出潜在域扩展方法来改进人物再识别模型的泛化能力。

    Mar, 2024

  • 无监督预训练用于个体再识别

    本文介绍了一个名为 LUPerson 的大规模未标记人物重识别数据集，并尝试进行无监督预训练来提高学习到的人物 Re-ID 特征表示的泛化能力，探究了数据增强和对比损失等方面对学习 Re-ID 特征的关键因素，其使用预训练模型可以获得在现有数据集上的最先进结果。

    Dec, 2020

  • Entity6K：用于真实世界实体识别的大型开放域评估数据集

    开放域现实世界实体识别的评估数据集 Entity6K 对于评估模型的实体识别能力具有重要的作用。

    Mar, 2024

  • 大规模时空人员再识别：算法和基准评估

    本研究介绍了一个包含 10,862 个身份和超过 228k 张图片的大规模时空人员再识别数据集 (LaST)，并在其上对 14 种再识别算法进行了综合性能评估和建立了一个有效的基线模型，该模型在较短时间和换衣场景的数据集上可以很好地推广。LaST 是目前时空范围最大的再识别数据集之一，可用于人类再识别任务的更加现实和具有挑战性的基准测试。

    May, 2021

  • 野外行人再识别

    介绍了一个用于人行检测和人物识别的新数据集 PRW 及其评估，利用 6 个同步摄像头采集的视频，包含 932 个身份和 11,816 帧，使用了各种检测器和识别器的绩效分析，提出了两种改进措施，并评估了这些措施对于人物重新识别的效果。

    Apr, 2016

  • 使用扩散模型合成高效的数据进行个体重新识别预训练

    提出了一种新的 Diffusion-ReID 范例，通过生成和过滤阶段来有效增强和生成不同的图像，首先创造了一个新的大规模人员重识别数据集 Diff-Person，接着构建了一个基于 Diff-Person 预训练的更强大的人员重识别模型，与其他预训练和自监督竞争者相比，展现了显著的优势。

    Jun, 2024

  • 超越真实来源训练数据：用随机三维字符进行可推广的人员再识别

    通过合成虚拟环境中的大规模人体图像数据集，训练出的行人再识别模型在全新领域中表现更好，该数据集名为 RandPerson，包含了来自 8000 个身份的 1801816 张人体图像，可以提高机器学习的泛化能力。

    Jun, 2020

  • iQIYI-VID: 一个大规模的多模态人物识别数据集

    本文引入了 iQIYI-VID 数据集，它是用于多模式人物识别的最大视频数据集，由 600K 个 5,000 名名人的视频剪辑组成，这些视频来自于各种类型的在线视频。通过实验结果表明，多模态注意模块融合的多模态特征可以显著提高人物识别的准确性。

    Nov, 2018

  • 人员再识别的系统评估和基准测试：特征，指标和数据集

    这篇论文对于人员再识别技术进行了全面的评估和表现评估，并实现了一个包括 11 个特征提取算法和 22 种度量学习技术的统一代 码库，使用 17 个不同的数据集进行了评估，旨在为这个领域提供公开、准确、全面的基准。

    May, 2016