人体形态检测数据集v1.0

技术文档

前言

• 项目背景
  
  • 要以人体形态检测任务为背景，学习YOLOv4 & YOLOv5等检测网络
  • 可以以此任务为例完成“数据闭环”流程
  • 此文停更，更新移步这里

数据集说明

manfu_human v1.0

• v1.0 概述
  
  • 本v1.0版数据全部来源于曼孚数据集，包含了所有用VOTT标注的标签，主要包括人体站、坐、蹲、躺、半躺（摔倒的中间过程）、其他等六种人体形态，共有23301张图片，41935条标签，平均一张图片包含1.8条标签（bbox）。
• 数据来源：曼孚数据集

• 标签说明

  "stand": 0,
  "sit": 1,
  "squat": 2,
  "lie": 3,
  "half_lie": 4,
  "other_pose": 5,

• 数据标签分布

  版本	类型	stand	sit	squat	lie	half_lie	other_pose	Total_anno	Total_imgs
  v1.0	train_v1.0.txt	15015	12443	952	1021	3713	221	33365	18596
  	test_v1.0.txt	3905	3181	244	277	915	48	8570	4705
  	train_b_v1.0.txt （平衡）	3115	2212	963	1025	1235	210	8760	3993
  	test_b_v1.0.txt （平衡）	783	566	233	273	336	59	2250	1035

• 数据集位置：

  • 10.0.10.56：/ssd01/wanghuijiao/dataset/manfu_human/v1.0

• 文件说明

  • 此 v1.0 版本提供两种类型的数据：
    
    • 一种是将所有标注数据按4：1随机分为训练集和测试集，其中各类别标签数目相差较大。对应train_v1.0.txt、test_v1.0.txt 文件
    • 另一种是提供已经将各类别标签数量分布平衡后的数据，并按比例4：1随机分为训练集和测试集。对应和train_b_v1.0.txt和test_b_v1.0.txt文件。之所以提供平衡后数据，是因为原始数据类别不均衡现象极其严重，因此，从源头进行类别标签的均衡，以lie类别的数量为准(相较于数量最少的other pose类别而言，lie标签数量次之且算法对lie的精度要求较高)，强行将其他类别多出来的标签筛除掉。但这样做也会造成数据的巨大浪费，此处只是提供一种类别均衡的处理方式。
  • /ssd01/wanghuijiao/dataset/manfu_human路径下文件夹结构为：

      manfu_human ----
          | ---- images0803 # 存放原始抽帧图片
              | ---- "videoName1.mp4#t=%.6f.jpg" # 图片命名由两部分组成，视频名.mp4#时间戳.jpg，表示该图是从此视频的t处抽帧出来的。
              | ---- "videoName2.mp4#t=%.6f.jpg"
          | ---- v1.0
              | ---- labels # 标注文件
                  | ---- "videoName1.mp4#t=%.6f.txt" # 与images文件夹下图片同名，仅后缀变为.txt  
                  | ---- "videoName2.mp4#t=%.6f.txt"
              | ---- train_v1.0.txt  # 原始训练集 
              | ---- test_v1.0.txt   # 原始测试集
              | ---- train_b_v1.0.txt  # 平衡训练集
              | ---- test_b_v1.0.txt   # 平衡测试集
              | ---- balance_v1.0.txt  # 中间过程文件，包含images文件夹下平衡后所有图片的绝对路径，用于进一步分割为train_b_v1.0.txt和test_b_v1.0.txt
              | ---- images0803.txt   # 中间过程文件，包含images文件夹下所有图片的绝对路径，用于进一步分割为train_v1.0.txt和test_v1.0.txt

• 标注文件格式说明：

  • 每张图片的标签文件与图片同名，仅后缀改为.txt

  • 标签文件中每一行格式为：<object-class> <x_center> <y_center> <width> <height>，一行表示一个bbox。

    • <object-class>表示标签编号，取值范围从0到class-1
    • <x_center> <y_center> <width> <height> 依次是bbox的中心横纵坐标和宽高，均为相对于图片宽高的比值，是浮点数，计算方式如：<x> = <absolute_x> / <image_width> or <height> = <absolute_height> / <image_height>。
    • 比如close_2m_stand_coldlight_longsleeve_backshot_withoutshelter_CJ67_P0964.mp4#t=1.966667.txt内容为：

    0 0.41476345840130513 0.4560756579689358 0.20309951060358902 0.9121513159378716
    0 0.4942903752039152 0.3217391304347827 0.07014681892332793 0.6434782608695654