[數據集] 更大的行人重識別測試集 Market-1501+500k
來自專欄行人重識別25 人贊了文章
Market-1501 是目前常用的行人重識別數據集,包含12,936張訓練圖像(來自751個不同的人),和 19,732張測試圖像(來自另外750個不同的人)。
可以說,Market的訓練和測試集沒有overlap的類別(ID)。但是現有方法已經把performance刷的很高了,可以詳見以下的state-of-the-art 方法鏈接。
http://www.liangzheng.org/Project/state_of_the_art_market1501.html
Market-1501的Rank-1 已經達到90+了,那麼是不是測試集太小,難度太低了呢?
其實在Market-1501發表的時候,就還提出了 Market-1501+500k 來增大測試集。
什麼是Market-1501+500k?
Market-1501+500k 的設計其實十分簡單。增加候選的圖像。
原始的候選圖片庫19,732(candidate image pool) 畢竟還是有限,所以加了500k的數據集。這500k的數據是採集自同一天下午清華大學。默認和test、train集都沒有overlap的人。所以全部認為成干擾來加入候選圖片庫,來評估。
增加後的測試集有 519,732張圖像。問題難度增加了。
目前的state-of-the-art methods:
http://www.liangzheng.org/Project/state_of_the_art_500k.html
可以看到,隨著測試數據的增加,reid的效果都顯著下降了。
如triplet方法 rank-1 從84.92% 降到了 74.76%
其實現在大家都會議論 行人重識別的模型是不是過擬合Market了,不妨試試Market+500k。
Reference:
Zheng, Liang, et al. "Scalable person re-identification: A benchmark."Proceedings of the IEEE International Conference on Computer Vision. 2015.
文首圖片來自
https://arxiv.org/pdf/1611.05666.pdf
推薦閱讀:
※【論文筆記】Dual Attention Matching Network for Context-Aware Feature Sequence based Person Re-Ident
※A Discriminatively Learned CNN Embedding for Person Re-identification
※DeepReID: Deep Filter Pairing Neural Network for Person Re-Identification
※行人再識別-Attention
※行人reid-局部特徵
TAG:深度學習DeepLearning | 計算機視覺 | 行人重識別 |