Fudan-ShanghaiTech の正式名である FDST は、ビデオ群衆カウント データ セットです。データセットには、13 の異なるシーンからキャプチャされた 394,081 個の注釈ラベル (合計 15,000 フレーム) が含まれています。

引用

@article{fang2019locality,
title={Locality-constrained Spatial Transformer Network for Video Crowd Counting},
author={Fang, Yanyan and Zhan, Biyun and Cai, Wandi and Gao, Shenghua and Hu, Bo},
journal={arXiv preprint arXiv:1907.07911},
year={2019}
}