データセットは歩行者と非歩行者の画像の集合を含んでいます。ベンチマークテストを行うために、このサイトでファイルをダウンロードして、歩行者分類の研究を進めることができます。

データセットは2つの部分を含みます：

• 1つは基礎データセットです。基礎データセットは合計4000個の歩行者サンプルと5000個の非歩行者サンプルを含み、これらのサンプルはビデオ画像から切り出され、18x36ピクセルの標準サイズに比例縮小されています。このデータセットは上記の論文のVII - A節で使用されています。 
  
  歩行者画像は、ビデオ画像中の歩行者の矩形位置を手動でマーキングして抽出することで得られます。ビデオ画像は異なる時間（1日の中で）と場所で記録され、歩行者の姿勢や衣服には特別な制限はありませんが、歩行者が直立して完全に見える状態であることを除きます。非歩行者画像として、これらのパターンは歩行者分類アプリケーションにおける典型的な前処理ステップを表し、これらのパターンは歩行者を含まないことがわかっているビデオ画像から取得されます。私たちは形状ベースの歩行者検出器を使用することを選択しました。この検出器は、与えられた一連の歩行者形状テンプレートを距離変換後のエッジ画像とマッチングさせます（すなわち比較的緩いマッチング閾値）。
   

• その他の非歩行者画像。歩行者を含まない1200個のビデオ画像の追加セットで、他の負の訓練例を抽出するために使用されます。上記の論文の第V節では、これらの画像から訓練サンプルのサイズを増やす方法が2つ紹介されており、第VII - B節では実験結果が示されています。

ベンチマークデータセットの詳細については、関連するREADMEファイルを参照してください。

ダイムラー歩行者分類ベンチマークは50回以上引用されています（出所：Web of Science）。実際には以下の出版物で使用されています：

• F. デラトレとO. ビニャルス。「画像分類のためのカーネル拡張の学習」。CVPR 2007。

• P. ドル、Z. トゥ、H. タオ、およびS. ベロンジェ。「画像分類のための特徴マイニング」。CVPR 2007。

• L. ナニとA. ルミニ。「複数の歩行者表現の集合」。IEEE Trans。スマート交通システムに関する。第9巻、第2号、365 - 369頁。2008年

• S. マジ、A. バーグ、およびJ. マリク。「交差カーネルサポートベクターマシンを用いた分類は効果的である」。CVPR 2008。

• O. ツゼル、F. ポリクリ、およびP. ミーア。「リーマン多様体の分類による歩行者検出」 IEEE Transパターン分析機械知能、第1巻。30、10号、1713 - 1727頁、2008年10月。

• D. アンギータ、S. ピスキュッタ、およびS. リデラ。「整数パラメータを持つサポートベクターマシン」。ニューラルコンピューティング、第1巻。72、番号：1 - 3、2008年。

• S. マジとA. バーグ。「検出のための最大余裕分類器」。ICCV'2009。

• H. ユンとJ. キム。「公共のオープンデータベースを用いて再トレーニングなしで歩行者識別システムを構築する：実験的研究」。パターン分析アプリケーション。DOI 10.1007 / s10044 - 009 - 0153 - 2。

• L. オリベイラ、U. ヌネス、およびP. ペイショト。「歩行者検出における分類器アンサンブルの協調性の探索」。IEEE Trans。「スマート交通システム」、第11巻、第1号、16 - 27頁、2010年。

ここに論文を追加したい場合は私に連絡してください。注意してください。元の論文と同じテスト方法（例えば、トレーニング - テスト分割）を使用した場合のみ、真の比較が可能です。