数据集|更大的行人重识别测试集 Market-1501+500k

极市平台是专业的视觉算法开发和分发平台，加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~

作者：交大第一carry    

来源：知乎

Market-1501 是目前常用的行人重识别数据集，包含12,936张训练图像（来自751个不同的人），和 19,732张测试图像（来自另外750个不同的人）。

可以说，Market的训练和测试集没有overlap的类别（ID）。但是现有方法已经把performance刷的很高了，可以详见以下的state-of-the-art 方法链接。

liangzheng.org/Project/

Market-1501的Rank-1 已经达到90+了，那么是不是测试集太小，难度太低了呢？

其实在Market-1501发表的时候，就还提出了 Market-1501+500k 来增大测试集。

什么是Market-1501+500k？

Market-1501+500k 的设计其实十分简单。增加候选的图像。

原始的候选图片库19,732（candidate image pool） 毕竟还是有限，所以加了500k的数据集。这500k的数据是采集自同一天下午清华大学。默认和test、train集都没有overlap的人。所以全部认为成干扰来加入候选图片库，来评估。

增加后的测试集有 519,732张图像。问题难度增加了。

目前的state-of-the-art methods:

可以看到，随着测试数据的增加，reid的效果都显著下降了。

如triplet方法 rank-1 从84.92% 降到了 74.76%

其实现在大家都会议论 行人重识别的模型是不是过拟合Market了，不妨试试Market+500k。

Reference：

Zheng, Liang, et al. "Scalable person re-identification: A benchmark."Proceedings of the IEEE International Conference on Computer Vision. 2015.

文首图片来自arxiv.org/pdf/1611.0566

*推荐文章*

• NIPS 2018 | 行人重识别告别辅助姿势信息，商汤、中科大提出姿势无关的特征提取GAN

• 干货|郑哲东 Deep-ReID:行人重识别的深度学习方法（视频+PPT）

• CVPR2018：基于时空模型无监督迁移学习的行人重识别

• ICCV2017 论文解读：基于图像检索的行人重识别
  

---

每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击左下角“阅读原文”立刻申请入群~