CrowdHuman は、豊富な注釈が付けられた大規模な人間検出データセットです。データセットにはインターネットから収集された画像が含まれており、それぞれトレーニング、検証、テストに使用される 15,000、4,370、および 5,000 の画像が含まれています。 CityPeoples などのこれまでの困難な歩行者検出データセットと比較して、画像の総数は 10 倍以上増加しています。 CrowdHuman トレーニング サブセットでは、人の総数も他のデータ セットより大幅に大きく、340,000 人、90,000 人が領域の注釈を無視しています。

データセットには、トレーニングおよび検証サブセットからの合計 470,000 人の人間のインスタンスが含まれており、データセット内の各画像には、さまざまなオクルージョンを持つ約 23 人の人物が含まれています。各人間のインスタンスには、頭部境界ボックス、人間の可視領域境界ボックス、および人間の全身境界ボックスの注釈が付けられます。