CrowdHuman 是一个大规模的、包含丰富标注的人类检测数据集。该数据集包含从互联网上收集的图像，其中用于训练、验证和测试的图像分别有 15,000 、 4,370 和 5,000 张。与之前的具有挑战性的行人检测数据集（如 CityPersons）相比，图像总量提升了 10 倍以上。在 CrowdHuman 训练子集中，人的总数也明显大于其他数据集，有 34 万个人和 9 万个 ignore region 的标注。

该数据集总共有 470K 个来自训练和验证子集的人类实例，数据集里的每张图片包含约 23 个人，同时存在着各种各样的遮挡。每个人类实例都用 head bounding-box 、 human visible-region bounding-box 和 human full-body bounding-box 进行标注。