CrowdHuman: Un punto de referencia para detectar humanos en multitudes

La detección de humanos ha progresado de manera impresionante en los últimos años. Sin embargo, el problema de la oclusión al detectar humanos en entornos altamente concurridos está lejos de resolverse. Para empeorar las cosas, los escenarios de multitudes todavía están subrepresentados en los actuales puntos de referencia de detección de humanos. En este documento, presentamos un nuevo conjunto de datos, llamado CrowdHuman, para evaluar mejor los detectores en escenarios de multitudes. El conjunto de datos CrowdHuman es grande, está ricamente anotado y contiene alta diversidad. Hay un total de 470 000 instancias humanas de los subconjuntos de entrenamiento y validación, y ~22.6 personas por imagen, con varios tipos de oclusiones en el conjunto de datos. Cada instancia humana está anotada con un cuadro de delimitación de cabeza, un cuadro de delimitación de región visible del humano y un cuadro de delimitación de cuerpo completo del humano. Se presenta el rendimiento base de los marcos de detección de última generación en CrowdHuman. Los resultados de generalización entre conjuntos de datos del conjunto de datos CrowdHuman demuestran un rendimiento de última generación en conjuntos de datos anteriores, incluidos Caltech-USA, CityPersons y Brainwash, sin decoraciones. Esperamos que nuestro conjunto de datos sirva como una sólida base y ayude a promover futuras investigaciones en tareas de detección de humanos.