UAV-Human est un ensemble de données de compréhension de l'action humaine à grande échelle. L'ensemble de données a été acquis par drone sur une période de trois mois, capturant des vidéos pendant les heures du matin et du soir dans plusieurs zones urbaines et rurales, couvrant un large éventail de sujets, d'arrière-plans, de conditions d'éclairage, etc.

L'ensemble de données comprend 67 428 séquences vidéo multimodales et 119 objets de reconnaissance d'actions. Parmi eux, 22 476 images sont utilisées pour l'estimation de la pose, 41 290 images et 1 144 identités sont utilisées pour la réidentification des piétons et 22 263 images sont utilisées pour la reconnaissance des attributs.