⾏⼈重识别数据集之CUHK03数据集
CUHK03 数据集
CUHK03 数据集是⾏⼈重识别领域⼴泛使⽤的⼀个数据集，它的⾏⼈图⽚采集⾃⾹港中⽂⼤学（CUHK）校园的 5 对不同视⾓的摄像头。CUHK03 数据集有很多版本：有 Matlab ⽂件格式的，也有图⽚格式的。有包含 1360 个⾏⼈的，也有 1467 个⾏⼈的。不同代码⽤到的 CUHK03 数据集版本可能不同，刚刚了解 CUHK03 数据集的⼩伙伴可能对此感到困惑。那本⽂就来聊⼀聊各种版本的 CUHK03 数据集。
⼀、CUHK03 数据集的两种划分
CUHK03 数据集到底包含多少个⾏⼈呢？ 到底是 1360 个⾏⼈，还是 1467 个⾏⼈呢？为啥同⼀个数据集能包含不同数量的⾏⼈呢？
经典划分
2014年，论⽂ 提出了 CUHK03 数据集。⽂中说数据集共包含 1360 个⾏⼈，训练集 1160 个⾏⼈，验证集 100 个⾏⼈，测试集 100个⾏⼈。实验⼀共重复执⾏了 20 次上述随机划分。数据集划分在论⽂中被称作训练/测试协议，这种测试协议是 single-shot tting，即每个⾏⼈在 gallery ⾥只有⼀张图⽚。
新的划分
2017年，论⽂ 针对 CUHK03 数据集提出了新的训练/测试协议（数据集划分⽅法）。在新的测试协议下，数据集中共包含 1467 个⾏⼈。其中，训练集中有 767 个⾏⼈，测试集中有 700 个⾏⼈。
从所有摄像头中，为测试集中的每个⾏⼈随机选取⼀张图⽚，构成 query 集。测试集剩下的⾏⼈图⽚构成 gallery 集。因此，这是⼀个multi-shot 的测试协议，每个⾏⼈在 gallery 集中有多张图⽚。不同于旧的测试协议，新的测试协议只执⾏⼀次训练集/测试集划分。
新的训练/测试协议被写在下⾯两个 .mat ⽂件中。
cuhk03_new_protocol_config_detected.mat
cuhk03_new_protocol_config_labeled.mat
⼆、CUHK03 数据集的两种格式
⼩伙伴们下载到的 CUHK03 数据集可能是 Matlab 格式的，也可能是图⽚格式的。不同代码对于数据集的格式要求不同，不同格式的数据集搭配合适的数据处理脚本⾷⽤更佳呀。
Matlab ⽂件格式
论⽂ 提出的 CUHK03 数据集，是最原始版本的 CUHK03 数据集，它就是 Matlab 版本的数据集。它的下载链接如下：
百度云下载链接：
提取码：rhjq
1. cuhk03_relea.zip 简介
解压 cuhk03_relea.zip 后，你会发现⾥⾯只有⼀个 Matlab 格式的⽂件 cuhk-03.mat 和⼀个 README.md ⽂件。README.md ⽂件对 cuhk-03.mat 做了简要的介绍， cuhk-03.mat 主要包含三个字段：
detected 包含由⾏⼈检测器⾃动检测⽣成的边界框（⾏⼈图⽚）
labeled 包含⼈为⼿动标注的边界框（⾏⼈图⽚）
车保险怎么买testts 表⽰测试协议即数据集划分，测试集包括 100 个⾏⼈，重复 20 次
2. cuhk03_relea.zip 的使⽤
cuhk-03.mat 可以使⽤新的训练集/测试集协议，将两个 .mat ⽂件和 cuhk03_relea 放在⼀起，如下所⽰：
发过cuhk03/
cuhk03_relea/
cuhk03_new_protocol_config_detected.mat
cuhk03_new_protocol_config_labeled.mat
...
将 CUHK03 数据集划分训练集、测试集（gallery）和 query 集，划分结果如下：
征服歌词
其中 new_labeled 的划分结果如 json ⽂件所⽰：
也可以使⽤原始划分⽅式，⽆需加⼊ cuhk03_new_protocol_config_detected.mat 和 cuhk03_new_protocol_config_labeled.mat ，将 CUHK03 数据集划分训练集、测试集（gallery）和 query 集，其中 classic_labeled 的划分结果如 json ⽂件所⽰：
图⽚格式
其实，图⽚格式的 CUHK03 数据集是数据处理脚本 cuhk03.py 处理得到的⼀个结果。 cuhk-03.mat ⽂件被转换成图⽚保存到 detected ⽂件夹和 labeled ⽂件夹下。detected 就是 DPM 检测器检测⽣成的⾏⼈图⽚，labeled 就是⼿动标注出的⾏⼈图⽚。
1. 数据集
就是图⽚格式的 CUHK03 数据集，⾥⾯包括 detected ⽂件夹和 labeled ⽂件夹。 的下载链接如下：⾕歌云下载链接：
数据集中只有⾏⼈图⽚，并没有包含数据集划分信息。因此，它⼀般结合 cuhk03.py ⽣成的 json ⽂件⼀起使⽤。
classic_detected 是 detected ⽂件夹的原始训练集/测试集划分信息
classic_labeled 是 labeled ⽂件夹的原始训练集/测试集划分信息
new_detected 是 detected ⽂件夹的新的训练集/测试集划分信息
new_labeled 是 labeled ⽂件夹的新的训练集/测试集划分信息地羊肉
下⾯以 detected ⽂件夹下的图⽚介绍下数据集的命名规则，下图是摄像头采集到的⾏⼈ 023 的图⽚
以图⽚ 1_023_1_01.png 为例解析数据集 的命名规则：
1 代表摄像头的组别，共有 5 组摄像头
023 代表⾏⼈ ID 编号
1 代表同组摄像头的 1 号摄像头，⼀组摄像头共有麦芽糖醇是什么
2 个摄像头湖南中医药大学是几本
01 代表⾏⼈的第⼀张图⽚，⼀个⾏⼈⾄多有 10 张图⽚，前 5 张来⾃⼀个摄像头，后 5 张来⾃另⼀个摄像头
2. CUHK03-NP 数据集
CUHK03-NP 数据集是⼀个处理好的图⽚集，它采⽤新的训练/测试协议进⾏划分。它的存储格式类似于 Market 1501 数据集。
cuhk03-np
|——detected
|——bounding_box_train
|——bounding_box_test
|——query
|——labeled
|——bounding_box_train
|——bounding_box_test
|——query
CUHK03-NP 数据集的下载链接如下：
⾕歌云下载链接：
百度云下载链接： 提取码：38ff
以图⽚ 0274_c1_2655.png 为例解析 CUHK03-NP 数据集的命名规则：
0274 代表⾏⼈ ID 编号
c1 代表来⾃第1组摄像头(共有2组，⼀组5个)
2655 表⽰来⾃第⼀个摄像头的第 2655 帧。
参考⽂献
1.
亲子阅读故事2.
3.
4.
5.
音乐教案大班
6.
