Caltech Pedestrian数据集介绍
概述
Caltech Pedestrian数据集是一个广泛用于行人检测研究的数据集。该数据集由加州理工学院（Caltech）发布，包含约10小时的640x480分辨率的30Hz视频，主要由行驶在乡村街道上的小车拍摄。视频共计约250,000帧，包含350,000个边界框和2300个行人的注释。注释包括包围盒、详细的闭塞标签以及行人之间的对应关系。
数据集内容
- 训练集和测试集：数据集包括seq格式的视频文件，这些文件是行人检测任务的主要数据来源。
- 行人标签数据：标签数据以vbb（video bounding box）格式存储，包含每个视频帧中行人的边界框信息。
数据处理
为了方便研究人员使用，数据集的标签和图片格式需要进行转换。以下是处理步骤：
- 标签处理：将vbb格式的标签转换为xml格式，便于后续的模型训练和评估。
- 图片处理：将seq格式的视频文件拆分为单独的jpg图片文件。
- 图片重命名：将图片文件名与标签文件名一一对应，确保数据集的完整性和一致性。
- 图片删除：删除没有行人目标的图片，减少数据集的冗余。
使用方法
- 下载数据集：从提供的链接下载Caltech Pedestrian数据集。
- 数据预处理：按照上述步骤进行数据预处理，生成适合模型训练的格式。
- 模型训练：使用预处理后的数据集进行行人检测模型的训练。
注意事项
- 数据集的原始格式为vbb和seq，需要进行转换才能用于模型训练。
- 数据集中的某些图片可能没有行人目标，需要进行筛选和删除。
通过以上步骤，研究人员可以高效地使用Caltech Pedestrian数据集进行行人检测任务的研究和开发。