| 项目 | 说明 |
|---|---|
| 来源 | 由 DukeMTMC（多目标多摄像机跟踪）数据集裁剪而得的行人重识别子集，采集自美国杜克大学校园的 8 台同步摄像头 |
| 原始视频 | 8 台摄像头、约 85 分钟的 1080p 高分辨率视频，手工标注了行人边界框 |
| 图像数量 | 共 36 411 张带 ID 的裁剪图像（每 120 帧抽取一帧） |
| 身份（ID） | 1 404 个跨摄像头出现的身份 + 408 个仅在单摄像头出现的干扰身份，总计约 1 812 个身份 |
| 数据划分 | - 训练集：702 人，16 522 张图像 - 查询集（query）：702 人，2 228 张图像 - 图库（gallery）：702 人，17 661 张图像（每个身份在每个摄像头选取一张查询，其余作为图库） |
| 文件结构 | 与 Market‑1501 相同，主要目录为 bounding_box_train/、bounding_box_test/、query/，并附带 README.md、许可证等文件 |
| 标注信息 | - 人体边界框（手工标注） - 23 项属性标注（性别、背包、颜色等） - 姿态关键点标注 |
| 许可协议 | MIT 许可证，允许自由分享、修改与使用 |
| 评价指标 | 常用 Rank‑1 精度和 mAP（Mean Average Precision）进行评估 |
| 下载方式 | - GitHub 项目页面提供 Google Drive 与 BaiduYun（密码 bhbh）下载链接- 亦可通过 CSDN 文章提供的百度云或谷歌云链接获取 |
| 官方项目地址 | https://github.com/sxzrt/DukeMTMC-reID_evaluation （含代码、说明、下载入口） |
| 常用变体 | - DukeMTMC‑4ReID：基于检测器生成的更大规模子集，包含约 2 700+ 身份和检测误报，适合评估检测+ReID 联合系统 - DukeMTMC‑VideoReID：视频版 ReID 数据集，提供帧序列和时序信息 - P‑DukeMTMC‑reID：遮挡场景子集，专注于遮挡行人识别 |
| 关键论文 | 1. Zheng, Zhedong; Zheng, Liang; Yang, Yi. Unlabeled Samples Generated by GAN Improve the Person Re‑identification Baseline in vitro, CVPR 2017. 2. Ristani, Ergys; Solera, Francesco; Zou, Roger; Cucchiara, Rita; Tomasi, Carlo. Performance Measures and a Data Set for Multi‑Target, Multi‑Camera Tracking, ECCV‑W 2016.（两篇均在 GitHub 页面给出引用格式） |
| 在 Papers with Code 上的入口 | https://paperswithcode.com/sota/person-re-identification-on-dukemtmc-reid ，提供最新基准模型、代码链接及排行榜 |
| 使用建议 | - 按照 bounding_box_train/、query/、bounding_box_test/ 的目录结构加载数据；- 训练时常用的划分是 702 ID（≈ 16 k 图像）做训练，剩余 702 ID 用于跨摄像头检索； - 评估时计算 Rank‑1 与 mAP，便于与公开基准直接对比。 |
小结：DukeMTMC‑ReID 是目前行人重识别领域最具影响力的公开数据集之一，拥有高质量的手工标注、丰富的属性信息以及严格的跨摄像头划分。其开放的 MIT 许可证、完整的下载渠道以及配套的评估代码，使其成为学术研究与工业原型验证的首选基准。若需进一步了解最新模型在该数据集上的表现，可直接访问 Papers with Code 页面获取最新排行榜与实现代码。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！