长期换衣行人重识别（Long-Term Clothes-Changing Person Reid）数据集汇总

### REID 数据集概述 REID（重识别）数据集是计算机视觉领域中的重要研究方向之一，主要用于解决跨摄像头场景下的行人匹配问题。以下是关于 REID 数据集中最具代表性的 DukeMTMC-reID 的详细介绍。 #### 1. **DukeMTMC-reID 数据集** DukeMTMC-reID 是 DukeMTMC 数据集的一个子集，专注于行人重识别任务。该数据集的特点如下： - 来源：DukeMTMC 数据集是由 8 个同步摄像机录制的大规模多目标多摄像头行人跟踪数据集[^2]。 - 图像数量：整个数据集包含约 3.6GB 的数据量[^3]。 - 身份分布： - 训练集：702 个身份，共 2,196 张图片。 - 测试集：702 个身份，共 2,636 张图片。 - 干扰项：额外包含 408 个未标注的身份作为干扰项[^3]。 - Bounding Box：所有图像均经过人工标注，确保边界框的准确性[^4]。 #### 2. **下载方式** DukeMTMC-reID 数据集可以通过官方链接或其他公共资源获取。具体方法如下： - 官方项目地址：[https://gitcode.com/Resource-Bundle-Collection/78395](https://gitcode.com/Resource-Bundle-Collection/78395)[^2]。 - 如果无法访问上述链接，可以尝试通过学术搜索引擎查找相关资源或联系作者团队获取最新版本的数据集。 #### 3. **使用指南** 在实际使用中，DukeMTMC-reID 数据集通常被划分为训练集和测试集两部分。其主要用途包括但不限于以下方面： - **模型训练**：利用训练集中的 702 个身份及其对应的图片来构建行人特征提取网络。 - **性能评估**：基于测试集中的查询图片和画廊图片计算相似度得分，并采用 Rank-1 准确率、mAP (Mean Average Precision) 等指标衡量算法效果[^1]。 下面是一段简单的 Python 示例代码，展示如何加载并预处理 DukeMTMC-reID 数据集： ```python import os from PIL import Image import numpy as np def load_dukemtmc_reid(data_dir): """ 加载 DukeMTMC-reID 数据集 :param data_dir: 数据集根目录路径 :return: train_images, test_images """ train_dir = os.path.join(data_dir, 'train') query_dir = os.path.join(data_dir, 'query') gallery_dir = os.path.join(data_dir, 'gallery') def read_images(dir_path): images = [] labels = [] for img_name in os.listdir(dir_path): if not img_name.endswith('.jpg'): continue label = int(img_name.split('_')[0]) image = Image.open(os.path.join(dir_path, img_name)) images.append(np.array(image)) labels.append(label) return images, labels train_images, train_labels = read_images(train_dir) query_images, _ = read_images(query_dir) gallery_images, _ = read_images(gallery_dir) return train_images, train_labels, query_images, gallery_images ``` 此函数实现了对 DukeMTMC-reID 数据集的基本读取操作，返回训练集、查询集以及画廊集的内容。 --- ###