KAIST数据集完整及清洗后下载

KAIST行人检测数据集完整及清洗后下载

因为数据标签存在不准确和数据集过大的情况，并且图片出自于自动驾驶视频，因此具有较多相似性，可以进行数据清洗以减少运算。

一、原数据集

KAIST行人数据集总共包括95328张图片，每张图片都包含RGB彩色图像和红外图像两个版本。总共包含103128个密集注释。数据集分别在白天和晚上捕获了包括校园、街道以及乡下的各种常规交通场景。图片大小为640×480。数据集总共分为12个文件夹set00-set11。前6个文件夹为训练集包含50187张图片，后6个文件夹为测试集包含45141张图片。
数据集的标签中包含person、people和cyclist三个类别。比较好区分的个体则被标注为person，不太好分辨的多个个体则被标注为people，骑行的人则被标注为cyclist。当标注的时候，连我们标注者都分不清那块区域到底是行人还是什么其他的物体时，则被标注为person
KAIST数据集 set00至set11 ，set00和set06 文件过大 均分为两个部分上传。

链接：https://pan.baidu.com/s/1zUvWmDlhh5vsGiv_0M8h9A
提取码：a3r0

二、提升标签质量

由于原数据集样本标注效果较差，故有的论文作者对数据集进行了一定程度的重新标注，既对标注质量进行了提升，对于标签提升的是上述清洗过的数据集。
KAIST-Paired Annotation
https://github.com/luzhang16/AR-CNN?tab=readme-ov-file

三、清洗数据集

训练集每隔2张图片取一张，既每3张取一张。并去掉所有不包含任何行人的图片(数据集中有很多图片是负样本)，既选出来的图片中至少包含一个目标，且剔除数据集中严重遮挡，只有半截或者小于50个像素的行人，经过此操作可得到7601张训练集图片，4755张白天的，2846张夜晚
测试集每隔19张取一张，既每20张取一张。保留负样本(图片中不包含任何目标)。经此操作可得到2252张图片，1455张白天，797张夜晚。
标签只留了person，其余均删去

链接：https://pan.baidu.com/s/1lwIRQIedkJDL-f000ZETnw
提取码：lzh1