摘要
在计算机视觉领域，行人重识别（person re-identification）的重要性日益凸显，这也凸显出构建更加广泛且多样化数据集的迫切需求。为此，我们提出了ENTIRe-ID数据集，该数据集包含来自37个不同摄像头、覆盖多种环境的超过445万张图像。ENTIRe-ID数据集专为应对领域差异性（domain variability）和模型泛化能力（model generalization）等挑战而设计，弥补了现有行人重识别数据集在这些方面的不足。该数据集涵盖丰富多样的真实场景，包括不同的光照条件、视角变化以及多样的人类活动，从而为重识别模型提供了更加真实且鲁棒的训练平台。ENTIRe-ID数据集已公开发布，访问地址为：https://serdaryildiz.github.io/ENTIRe-ID。