RAP数据集整理

一．论文阅读

A Richly Annotated Dataset for Pedestrian Attribute Recognition

背景：人的特征属性的识别在现实应用中有很大的发展前景。而目前对于属性识别合适的基准数据集的发展存在滞后，现有的人类属性数据集从不同来源收集到，或是行人再鉴定数据集的整合，这些多样化的数据集对于发展高质量精细属性识别算法是一个很大的挑战。同时，人类属性识别通常很大程度上受到环境或者情境因素的影响（视角、遮挡、身体部位），而现有的数据集几乎没有关注这些。

提出：RAP数据集（Richly Annotated Pedestrian dataset），以改善行人特征识别的数据集基础。从多摄像头监控场景（一商场的26个监控摄像头）长时间采集得到，不仅标注了精细的人类属性，还有环境因素。一共包括41585个行人样本，每个标注了72个属性特征（69个二值属性、3个多类属性）和视角、遮挡、身体部位信息。

上表是将RAP数据集与当下的同类数据集进行比较，可以看出RAP数据集在样本量以及标签方面都有很大的优势。RAP数据集（Richly Annotated Pedestrian dataset）一共包括41585个行人样本，每个标注了72个属性特征（69个二值属性、3个多类属性）和视角、遮挡、身体部位信息。

上表表示RAP数据集的标签大致可分为6大类，分别为时空信息、全身属性、配饰、姿势动作、遮挡、和部位属性特征。每个大类又细分为几个不同的小类，如部位属性的标签下还分为头部、上半身、下半身三个小类。

上图表现的是不同的视角下的图像。从左到右依次为前方，背部，左侧，右侧不同方位的图像。

上图表现的是不同身体部位的图像。每个图像从上到下依次为头部、上半身、下半身身体不同部位的图像。

二．RAP数据集整理

1. 上图是RAP数据集里面的具体图像信息，该数据集一共包括41585个样本图像。

2. 上图是RAP数据集的详细注解。它一共由7个部分组成，分别是imagesname, position, label, partion, attribute_chinese, attribute_eng,attribute_exp。下面具体介绍这七个不同的属性值。

1. 首先是RAP数据集包含的标签，从图中可以看出RAP数据集的标签划分很细致，有性别、年龄16、年龄30、年龄45等标签。

1. 上图是RAP数据集标签的英文表示。

1. 上图是RAP数据集详细的图片名称。

1. 上表横行表示的每个图片的标签，0的话表示不是，1表示属于该标签。如第一列的前四个数分别是1、0、0、1，对照RAP数据集的标签可以容易知道该四个数字代表这个图片是一个女性，年龄是45岁。该表通过0和1两个值给所有的图片都打上了标签。

7.思考，将众多标签进行分类

因为鉴于RAP数据集的分类过多。可以考虑选取其中几个重要标签，对其进行分类。

（1）不同方位分类：

从上表可以看出，RAP数据集的第52~55四个标签位分别表示正面、背面、面向左侧、面向右侧。因此可以考虑通过这个不同方位的标签将RAP数据集分成四个不同的类。

（2）不同的身体部位

从上表可以看出，RAP数据集的第12~30四个标签位分别表示头肩、上衣、下衣三个大类。因此可以考虑通过这个不同身体部位的标签将RAP数据集分成三个不同的类。

3.性别（2分类）
4.年龄（3分类）
5.体型（3分类）