企业官网建设流程全解析

如果你正在研究行人属性识别（Pedestrian Attribute Recognition），CityPersons 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

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

1. 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
2. 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
3. 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：

1. 只在官方标注行人实例上计算指标，保证可比性
2. 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 AP（Average Precision）
• mAP：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.md
• v100_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 MB）
• vitlarge_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：

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 🚀

1. 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

2. 准备数据：下载 CityPersons 数据与官方 train/test 划分、属性标注词表
3. 加载检查点：按上面的文件说明选择 Base 或 Large 权重
4. 跑检测：在测试图像上输出行人框与置信度
5. 预测属性：对每个行人框预测 17 类属性
6. 统计指标：只在官方 1,500 个测试实例上计算属性 AP 与 mAP

7️⃣ 新手常见误区清单 🧯

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！📈