| 项目 | 内容 | 说明 |
|---|---|---|
| 全称 | CUHK‑03 Person Re‑Identification Dataset | 由香港中文大学（CUHK）视觉实验室发布，用于行人再识别（Person Re‑ID）研究 |
| 数据规模 | 1 360（或 1 467）个行人身份，约 13 164–14 097 张图像 | |
| 摄像头 | 5 对（共 10 台）非重叠摄像头，分别位于 5 个不同场景 | |
| 图像来源 | 每个行人在两台摄像头下拍摄，平均约 4.8 张图/摄像头 | |
| 标注方式 | - 手工标注（手动裁剪的行人框） - 自动检测（基于 DPM 检测器的框） |
|
| 训练/测试划分 | 常用两种协议： 1. 原始协议：767 ID 用于训练，700 ID 用于测试（每类均有 query 与 gallery） 2. 新划分（new‑protocol）：提供 cuhk03_new_protocol_config_labeled.mat 与 cuhk03_new_protocol_config_detected.mat，分别对应手工标注和检测标注 |
|
| 下载链接 | 官方页面：http://www.ee.cuhk.edu.hk/\~xgwang/CUHK_identification.html （提供 cuhk03_release.zip）镜像或数据集托管平台（如 SelectDataset、GitHub）也提供相同文件的下载入口 |
|
| 使用许可 | 仅限学术研究，需在论文或项目中注明数据来源与引用 |
1. 数据集背景与意义
CUHK‑03 是首批满足深度学习训练需求的行人再识别数据集，规模远大于早期的 VIPeR、CUHK01 等，因而成为基准数据集之一。它提供了 手工标注 与 自动检测 两套框，帮助研究者评估模型在理想标注与真实检测场景下的鲁棒性。
2. 关键技术指标
- 身份数：约 1 360（部分文献记为 1 467）个唯一行人。
- 图像总数：13 164（手工标注）或 14 097（检测标注）张。
- 摄像头布局：5 对摄像头，形成 10 条视角对，覆盖不同光照、姿态与遮挡情况。
- 标注类型：手工裁剪框（质量更高）与 DPM 检测框（更贴近实际部署）。
3. 常用评估协议
| 协议 | 训练集 | 测试集（Query / Gallery） | 备注 |
|---|---|---|---|
| 原始协议（Li et al., 2014） | 767 ID（约 7 368 张） | 700 ID（1 400 Query + 5 328 Gallery） | 采用手工标注或检测标注两套数据 |
| 新协议（Person‑Re‑Ranking） | cuhk03_new_protocol_config_labeled.mat（手工）或 cuhk03_new_protocol_config_detected.mat（检测） |
同上 | 便于统一实验复现 |
4. 关键论文与引用
- 原始论文：
- Li, W., Zhao, R., Xiao, T., & Wang, X. (2014). Deepreid: Deep filter pairing neural network for person re-identification.（提出 CUHK‑03）
- Li, W., & Wang, X. (2013). Locally Aligned Feature Transforms across Views. CVPR 2013（数据集设计背景）
- 后续基准评测：
- Chen, Y., et al. (2018). Towards Good Practices on Building Effective CNN Baseline Model for Person Re‑identification（使用 CUHK‑03 新划分）
- Zheng, L., et al. (2017). Pose‑Invariant Embedding for Deep Person Re‑Identification（报告 CUHK‑03 统计）
5. 下载与使用步骤（示例）
- 访问官方页面
http://www.ee.cuhk.edu.hk/\~xgwang/CUHK_identification.html，下载cuhk03_release.zip。 - 解压后得到
cuhk03_release文件夹，内部包含原始图像与标注文件。 - 若使用新协议，下载
cuhk03_new_protocol_config_labeled.mat与cuhk03_new_protocol_config_detected.mat并放置于同级目录（参考 GitHub 项目AlignedReID++的目录结构）。 - 在代码中读取
.mat文件获取训练/测试划分，随后即可进行模型训练或评估。
6. 在学术研究中的常见应用
- 基准评测：几乎所有行人再识别的最新深度模型（如 PCB、AGW、TransReID 等）都会在 CUHK‑03 上报告 Rank‑1、Rank‑5、mAP 等指标，以对比不同方法的鲁棒性。
- 跨域迁移：利用 CUHK‑03 的手工标注与检测标注两套数据，研究模型在理想标注与真实检测之间的性能差距。
- 数据增强与生成：部分工作使用 GAN 生成额外的行人图像，以扩充 CUHK‑03 的训练集，提高模型的泛化能力。
总结
CUHK‑03 是行人再识别领域的经典大规模数据集，提供手工与自动两种标注，覆盖 5 对摄像头、约 14 k 张图像，已成为评估深度学习模型的重要基准。通过官方链接即可获取完整数据，配套的 .mat 划分文件帮助研究者快速复现已有实验并开展新方法的比较。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！