【免费下载链接】PATH-ViTB项目地址https://ai.gitcode.com/OpenGVLab/PATH-ViTB点击查看免费下载如果你正在研究行人属性识别Pedestrian Attribute RecognitionCityPersons 几乎绕不开——它是 PATH-ViTB 这类模型做行人检测与属性识别评测时采用的标准基准数据集。本文带你快速吃透 CityPersons 的来源、标注体系、官方数据划分与评测方法并带你读懂 PATH-ViTB 仓库里两个模型检查点的命名细节。1️⃣ CityPersons 是什么CityPersons 是专为**行人属性识别PAV, Pedestrian Attribute with Verification**任务设计的基准数据集由 INRIA Person 行人检测数据集中裁剪而来。与原始 INRIA 数据集只提供边界框和遮挡等级不同CityPersons 为每个行人实例都标注了✅17 个行人属性年龄、体型、上衣颜色、下装颜色、鞋的颜色等✅5 个场景标签背景类型如建筑、车辆、自然等 为什么需要它做行人属性识别时你必须知道框里的人长什么样。CityPersons 就是给行人框加上了描述标签的那份标准数据。数据集规模一览项目规模图像总数3,753 张行人实例总数28,335 个训练集100 张图像测试集251 张图像含 1,500 个行人属性类别数17场景类别数5注意一个细节训练集图像少但行人多测试集固定为 1,500 个行人。这也是为什么该数据集的评测指标通常以这 1,500 个测试行人实例为分母来统计。2️⃣ 17 个属性 5 个场景标注体系详解CityPersons 的属性标注覆盖三个层面新手理解这三层就能看懂大部分 PAVR 论文属性三个层面外观属性上衣颜色上装红/蓝/绿/黄/灰/黑/白等、下装颜色、鞋的颜色形态属性性别、年龄儿童/成人/老人、体型瘦/胖、是否背包、是否打伞、是否拿包场景属性背景场景5 类每个行人实例的标注可以理解为一个属性向量比如「成人 / 男性 / 上装蓝色 / 下装黑色 / 场景为车辆背景」评测时预测向量和标注向量逐位对比。3️⃣ 官方数据划分与使用约定CityPersons 沿用了 INRIA Person 的训练/测试图像划分train_3k / test_3k 的裁剪结果训练100 张图像用于训练模型测试251 张图像中的1,500 个行人实例作为固定评测集⚠️ 新手最常踩的坑测试集不是251 张图里全部行人而是官方标注文件中选定的 1,500 个实例。自己随意框人再评测分数会和论文对不上。使用时建议遵循两个约定只在官方标注行人实例上计算指标保证可比性属性标签使用官方 17 类词表不要私自合并或增删类别4️⃣ 评测指标AP 与 mAP 怎么看PAVR 任务的标准评测流程是先检测、再认属性指标分两级属性级 AP对每一个属性如上装蓝色把预测该属性为真且行人框置信度达标当作正样本计算 APAverage PrecisionmAP对 17 个属性或含场景标签的 AP 取平均是论文里最常报的主指标理解要点检测不准 → 行人框都错了属性 AP 自然上不去这就是行人检测精度与属性识别表现强相关的原因遮挡严重的小行人 → 是拉低 mAP 的主力很多模型会专门针对小目标做优化5️⃣ PATH-ViTB两个检查点文件名里的评测密码 PATH-ViTB 仓库直接给出了在 CityPersons 上评测所用的行人检测模型权重。虽然仓库文件很少但检查点的文件名本身就是配置摘要值得逐段拆解。仓库核心文件清单README.mdv100_32g_vitbase_size224_lr1e3_stepLRx3_bmp1_adafactor_wd01_clip05_layerdecay075_lpe_peddet_citypersons_LSA_reduct8_tbn1_heads2_gate1_peddetShareDecoder_exp3_setting_SharePosEmbed.pth约 343 MBvitlarge_size224_lr5e4_stepLRx3_bmp1_adafactor_clip05_wd01_layerdecay08_lpe_LSA_reduct8_tbn1_heads2_gate1_peddetDPR02_peddetShareDecoder_exp3_setting_SharePosEmbed.pth约 1.16 GB 两个.pth文件较大约 343 MB / 1.16 GB仓库通过 Git LFS 管理二进制权重见 .gitattributes。从 ViT-Base 检查点名拆解配置以较小的那个文件为例分段翻译一下片段含义v100_32g硬件环境V100 GPU显存 32G 预算vitbase主干为 ViT-Basesize224输入分辨率 224×224lr1e3/stepLRx3初始学习率 1e-3按步长调度降为 1/3adafactor使用 Adafactor 优化器wd01权重衰减 0.1clip05梯度裁剪 0.5layerdecay075层衰减系数 0.75lpe/LSA/tbn1位置编码与注意力相关变体配置heads2/gate1注意力头数 2门控结构 ×1peddet包含行人检测pedestrian detection头peddet_citypersons明确在 CityPersons 评测设定下训练的检测模型peddetShareDecoder检测与属性分支共享 decoderSharePosEmbed共享位置编码两个检查点的定位ViT-Base CityPersons文件名直接带peddet_citypersons是面向 CityPersons 标准评测的检测配置体量小约 343 MB适合先跑通评测流程ViT-Large DPR02更大的主干约 1.16 GB带peddetDPR02配置通常用于追求更高精度的实验给新手的路径建议先用 Base 版本把检测 → 属性预测 → 指标统计的完整流水线跑通理解每一步输入输出再换 Large 版本对比 mAP 变化。6️⃣ 上手步骤从拿到权重到跑通评测 拉取仓库含 Git LFS 权重git clone https://gitcode.com/OpenGVLab/PATH-ViTB cd PATH-ViTB git lfs install git lfs pull准备数据下载 CityPersons 数据与官方 train/test 划分、属性标注词表加载检查点按上面的文件说明选择 Base 或 Large 权重跑检测在测试图像上输出行人框与置信度预测属性对每个行人框预测 17 类属性统计指标只在官方 1,500 个测试实例上计算属性 AP 与 mAP7️⃣ 新手常见误区清单 误区正确做法用测试集里全部行人评测只统计官方指定的 1,500 个实例自定义属性词表严格使用官方 17 类词表只报 mAP 不报 AP同时给出属性级 AP便于定位短板忽视小目标行人关注遮挡/小行人子集这是精度瓶颈以为权重文件能直接推理.pth只是权重需要配套的模型结构与代码加载写在最后CityPersons 的价值在于统一标尺17 个属性、5 个场景、固定的 1,500 个测试行人实例让不同模型如 PATH-ViTB 提供的这两个检查点的行人检测与属性识别结果可以横向比较。先理解标注体系和数据划分再动手调参你会少走很多弯路。祝评测顺利mAP 稳步上涨赞分享【免费下载链接】PATH-ViTB项目地址https://ai.gitcode.com/OpenGVLab/PATH-ViTB点击查看免费下载相关推荐InsightFace 人脸检测数据集全指南WIDER Face 训练与 FDDB / AFW / PASCAL Face / MALF 评测基准InsightFace 人脸检测数据集全指南WIDER Face 训练与 FDDB / AFW / PASCAL Face / MALF 评测基准 本文以 I人工智能计算机视觉深度学习模型推理服务openpilot 怎么把车道居中和自适应巡航装进你的车openpilot 怎么把车道居中和自适应巡航装进你的车 堵车蠕行时跟车跟到手酸或者过弯时不敢松方向盘openpilot 驾驶辅助把车道居中和自适应巡航搬进自动驾驶人工智能深度学习计算机视觉BiomedVLP-CXR-BERT-specialized突破医学影像与文本融合的终极解决方案BiomedVLP CXR BERT specialized突破医学影像与文本融合的终极解决方案 在医学影像诊断领域放射科医生每天需要处理数百张X光片并撰写创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考