人群计数数据集的技术选型指南

当你第一次接触人群计数任务时，面对琳琅满目的数据集可能会感到无从下手。我刚开始做这个方向时，就曾经花了整整两周时间反复测试不同数据集的效果。今天我就用最直白的语言，帮你理清主流数据集的特性与适用场景。

人群计数数据集的核心差异主要体现在三个方面：场景复杂度、密度等级和标注精细度。以最常见的ShanghaiTech为例，它的Part A主要采集自街头场景，人群密度中等；而Part B则集中在车站等相对封闭环境，密度更高且分布更集中。这种差异会直接影响模型训练效果——我曾经用Part A训练的模型直接测试Part B数据，结果MAE指标直接翻倍。

实际选型时，建议先问自己三个问题：

• 你的应用场景更接近街头随机分布（低密度），还是集会活动（高密度）？
• 是否需要考虑天气、遮挡等复杂环境因素？
• 算法输出需要精确到人头位置，还是仅需总人数？

五大主流数据集横向评测

ShanghaiTech：新手入门首选

这个数据集可以说是人群计数的“MNIST”，我的第一个计数模型就是在它上面练手的。Part A包含482张图片，最大的特点是场景单一且标注干净。但要注意几个坑：

• 存在少量灰度图像（训练集11张），预处理时没做色彩空间转换会报错
• 图像尺寸差异极大，从300×200到1024×1024不等，建议统一resize
• 竖屏图片需要特殊处理（约3%的样本）

Part B的716张图片都是标准的1024×768横屏，适合快速验证模型架构。我通常会先用Part B做原型验证，再用Part A测试泛化能力。

NWPU-Crowd：高分辨率挑战

当你的显卡显存≥24GB时，一定要试试这个数据集。它包含5109张超高分辨率图片（平均2191×3209），最大的那张19044×4028的图片，我的3090跑batch_size只能设为1。三个实用建议：

• 使用随机裁剪策略（我一般裁成512×512）
• 注意测试集标签需要在线提交评估
• json和mat双标签格式可以互相验证

这个数据集最厉害的是提供了luminance label和scene level标注，做多任务学习特别方便。我曾经结合scene level信息，让模型的MAE降低了15%。

JHU_CROWD++：极端环境测试场

这个4372张图片的数据集堪称“地狱难度”，包含了雾霾、下雨、下雪等恶劣天气样本。标注信息也最为丰富：

• 每个人头都有遮挡等级（1-3级）
• 模糊标注（0/1二元分类）
• 场景和天气元数据

我在处理这些数据时总结了几点经验：

• 对遮挡严重的样本（o=3），建议在loss函数中降低权重
• 天气标签可以用于数据增强策略
• 注意有干扰样本（b=1）需要特殊处理