RSTPReid signifie Real Scenario Text-based Person Re-identification, qui contient 20 505 images de 4 101 personnes provenant de 15 caméras. Chaque personne dispose de 5 images correspondantes, qui sont prises par différentes caméras avec des transitions de scènes intérieures et extérieures complexes et des arrière-plans de différentes périodes, ce qui rend RSTPReid plus stimulant et plus adaptable aux scènes réelles.

Chaque image est annotée avec 2 descriptions textuelles. Pour partitionner les données, 3 701, 200 et 200 identités ont été utilisées respectivement pour la formation, la validation et les tests. Chaque phrase ne doit pas comporter moins de 23 mots.