### PA100K 数据集解析方法与格式介绍 PA100K 是目前最大的行人属性识别数据集之一，包含从室外监控摄像头采集的总计 100,000 张行人图像，每张图像都标注有 26 种常见属性。这些属性涵盖了头部区域、上半身区域、下半身区域、脚部区域、配饰/包袋、性别以及其他特征[^3]。 #### 数据集结构 PA100K 的数据被划分为三个部分：训练集（80,000 张）、验证集（10,000 张）和测试集（10,000 张）。这种划分方式遵循官方设定，便于研究者进行模型训练和评估[^4]。 #### 属性分类 为了方便解析和使用，PA100K 中的 26 个属性按照特定顺序排列，具体如下： - **Head Region**: 头部相关属性。 - **Upper Region**: 上半身相关属性。 - **Lower Region**: 下半身相关属性。 - **Foot Region**: 脚部相关属性。 - **Accessory/Bag**: 配饰或携带物品相关属性。 - **Gender**: 性别。 - **Others**: 其他类别属性[^1]。 #### 文件格式转换 原始数据是以 `.mat` 格式存储的标签文件，而大多数机器学习框架更倾向于使用 Python 支持的 `.pkl` 或其他序列化格式。因此，在实际操作前需要完成以下步骤： 1. 使用 `scipy.io.loadmat` 函数加载 `.mat` 文件中的内容。 2. 将其重新组织成适合后续处理的形式，并保存为 `.pkl` 文件以便于访问。 此过程可以通过调用项目目录下的预处理脚本实现。例如，位于路径 `dataset/pedes_attr/preprocess/format_pa100k.py` 的脚本可以自动完成上述任务。 以下是执行该脚本的一个典型命令行示例： ```bash python format_pa100k.py --input_path=path_to_mat_file --output_path=output_pkl_file ``` #### 示例代码片段 下面展示如何通过 Python 加载已生成的 `.pkl` 文件并查看部分内容： ```python import pickle def load_pa100k_data(pickle_filepath): with open(pickle_filepath, 'rb') as f: data = pickle.load(f) return data data_dict = load_pa100k_data('path/to/output_pkl_file.pkl') print(data_dict.keys()) # 输出字典键名以确认结构 ``` 以上代码会返回一个包含多个字段的字典对象，通常包括图片路径列表及其对应的多维数组形式的标签向量。 #### 注意事项 在运行任何脚本之前，请务必仔细阅读文档说明文件 `annotation.md`，它详细描述了各属性的具体定义及排序规则，这对于理解数据至关重要。