| 项目 | 内容 | 参考 |
|---|---|---|
| 全称 | Multi‑Scene Multi‑Time (MSMT17) 人员重识别数据集 | |
| 发表会议 | CVPR 2018（论文《Person Transfer GAN to Bridge Domain Gap for | |
| 采集地点 | 北京大学校园内的监控网络 | |
| 摄像头数量 | 15 台（12 户外 + 3 室内） | |
| 视频时长 | 180 小时（每月选取 4 天，不同天气；每天 3 小时：早、中、晚） | |
| 行人身份 | 4 101 人 | |
| 标注框数量 | 126 441 个 bounding box | |
| 训练/测试划分 | 训练集 1 041 人（32 621 框），测试集 3 060 人（93 820 框） 其中查询图像 11 659 张，其余为 gallery |
|
| 评价指标 | CMC（Rank‑1、Rank‑5、Rank‑10）和 mAP | |
| 数据获取方式 | 需在北京大学国家视频技术工程实验室（NELVT）官网提交申请并签署使用协议 | |
| 官方下载链接 | http://www.pkuvmc.com/dataset.html | |
| 论文链接（PDF） | https://openaccess.thecvf.com/content_cvpr_2018/papers/ | |
| Papers with Code 页面 | https://paperswithcode.com/sota/person-re-identification-on-msmt17 |
1. 数据集设计初衷
MSMT17 旨在弥补早期行人重识别（Person Re‑ID）数据集（如 Market‑1501、DukeMTMC‑reID）在场景、时间、光照等方面的单一性。通过在真实监控环境下采集 多场景、多时间段 的视频，构造了更贴近实际安防应用的挑战性数据集，从而推动算法在复杂环境下的鲁棒性研究。
2. 采集与标注流程
- 摄像头部署：在校园内布置 15 台摄像头，覆盖室外走廊、广场以及室内走廊等多种场景。
- 时间跨度：每月挑选 4 天（晴、雨、雾、阴等不同天气），每天分别在早上、中午、傍晚各录制 1 小时，累计 180 小时原始视频。
- 行人检测：使用 Faster RCNN 检测器自动生成候选框。
- 人工标注：三位标注员对检测框进行二次检查并标注身份，历时约两个月，最终得到 4 101 位行人、126 441 个高质量框。
3. 数据划分与使用规范
- 训练集：1 041 位行人（32 621 张图像），用于模型学习。
- 测试集：3 060 位行人，其中 11 659 张作为 query，余下作为 gallery。
- 使用协议：仅限学术研究，需签署《MSMT17 RELEASE AGREEMENT》，禁止商业分发或二次发布。
4. 评价协议
5. 相关资源与社区
- 官方主页（数据申请、协议下载）：http://www.pkuvmc.com/dataset.html
- 原始论文：提供数据集设计细节、基准实验及 PTGAN 跨域方法。
- Papers with Code：收录最新在 MSMT17 上的 SOTA 方法、代码仓库和排行榜，便于快速复现与对比。
- 开源实现：多数主流 Re‑ID 框架（如 OpenReID、TorchReID）已内置 MSMT17 数据加载脚本，可直接使用。
6. 为什么选择 MSMT17
- 规模最大：超过 12 万张标注图像，身份数远超其他公开数据集。
- 场景多样：室内外、不同天气、不同时间段的组合，使得光照、背景、姿态变化更丰富。
- 真实监控：采用实际监控摄像头采集，噪声、遮挡、低分辨率等问题更贴近工业应用。
- 基准广泛：几乎所有最新的行人重识别论文都会在 MSMT17 上报告实验结果，具有较高的学术价值。
小结：MSMT17 是目前行人重识别领域规模最大、场景最复杂的公开数据集，提供了完整的采集、标注、划分和评估协议。通过官方渠道获取后，可在学术研究中使用，并结合 Papers with Code 上的最新方法进行基准对比。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！