iLIDS, dont le nom complet est International Logistic Identification, est un ensemble de données d'images pour la réidentification des piétons occlus. L'ensemble de données contient 476 images de 119 piétons, dont certains sont masqués par d'autres personnes ou des bagages. Les images ont été prises par 4 caméras non superposées. L'ensemble de test contient 238 images et l'ensemble de validation contient 238 images. Cet ensemble de données peut être utilisé pour former le modèle d'apprentissage FPR (Foreground-aware Pyramid Reconstruction), résolvant ainsi le problème de réidentification des piétons occlus.

Citation

@inproceedings{he2018deep, titre={Reconstruction de caractéristiques spatiales profondes pour la réidentification partielle de personnes : approche sans alignement}, author={Lui, Lingxiao et Liang, Jian et Li, Haiqing et Sun, Zhenan} booktitle={Conférence IEEE sur la vision par ordinateur et la reconnaissance des formes (CVPR)}, année={2018} } @inproceedings{he2019foreground, titre={Reconstruction pyramidale prenant en compte le premier plan pour la réidentification de personnes occultées sans alignement}, author={Lui, Lingxiao et Wang, Yinggang et Liu, Wu et Zhao, Lui et Sun, Zhenan et Feng, Jiashi} booktitle={Conférence internationale IEEE sur la vision par ordinateur (ICCV)}, année={2019} }