KAIST多光谱行人检测数据集介绍与下载

网盘下载： 迅雷网盘  夸克网盘

官方 Google Drive 下载经常受配额限制，国内访问也需要代理，所以先在这里放一份网盘链接。下载后请用文中第 3 节的官方 MD5 文件校验，确认文件完整。

KAIST 多光谱行人检测数据集是 RGB-热红外（RGB-T）行人检测领域最常用的基准。本文介绍它的内容、常用划分和标注版本，并整理官方下载方法和常见下载问题的解决办法。

1. 数据集简介

KAIST 数据集由韩国科学技术院（KAIST）RCV 实验室的 Soonmin Hwang、Jaesik Park、Namil Kim、Yukyung Choi 和 In So Kweon 发布，论文发表于 CVPR 2015。

它的特点是彩色图像和热红外图像在像素级对齐。作者自制了一套采集设备：一台彩色相机、一台热红外相机，加一个分光镜（beam splitter），让两台相机看到同一视角，从而得到对齐的 RGB-T 图像对。设备装在车上，在白天和夜间拍摄常规交通场景，覆盖了不同光照条件。

项目	数值
图像对数量	95,328 对（约 95k）
分辨率 / 帧率	640×480，20Hz
标注框总数	103,128 个
不同行人数	1,182 人
标注类别	person、people、cyclist
场景	白天 / 夜间交通场景

标注方式参照 Caltech 行人数据集，同一行人在相邻帧之间有时间对应关系，并带有遮挡标签。按作者的说法，这是同时提供遮挡标签和时间对应、在非静止交通场景中采集的最大彩色-热红外数据集。

需要注意，部分论文写的分辨率是 640×512，与官方说明的 640×480 不一致，使用时以实际解压出的图像为准。

2. 数据组成与常用划分

数据按视频序列组织为 12 个 set：set00–set05 为训练集，set06–set11 为测试集，白天和夜间场景都有。每帧有一张可见光图像（visible）和一张热红外图像（lwir），文件名一一对应。

论文实验中很少直接用全部帧，常见做法是按固定间隔采样：

用途	常见设置	图像数
训练（采样）	每 2 帧取 1 帧	约 50,172 对
训练（过滤后）	去掉严重遮挡、截断、高度小于 50 像素的行人	7,601 张（Li 等）或 7,095 张（Liu 等）
测试	每 20 帧取 1 帧	2,252 张（白天 1,455，夜间 797）

原始标注存在框不准、漏标等问题，因此社区先后发布了几套改进标注，复现论文时要先确认对方用的是哪一套：

• 原始标注：Hwang 等，随数据集发布。
• 清洗版训练标注（sanitized）：Li 等，BMVC 2018 的 MSDS-RCNN 工作。
• 配对标注（paired）：Zhang 等，分别为可见光和热红外标注，用于处理两种模态未完全对齐的问题。
• 改进版测试标注：Liu 等提供，目前大多数论文都用它评测。

评价指标通常是 log-average miss rate（MR⁻²），在每张图 10⁻² 到 10⁰ 个误检的范围内计算，越低越好。由于早期论文的评测设置不统一，世宗大学的研究者在 EvalAI 上建立了统一排行榜，官方 README 建议以它为准。

3. 官方下载方式

官方把数据放在 Google Drive 上，推荐用 Python 工具 gdown 下载。完整版约 36.32GB，预览版约 1.44GB（附带解析标注、画框的示例代码，适合先看格式）。

pip install gdown

# 完整版 kaist-cvpr15.tar（36.32GB）
python -m gdown --continue 1sBcAmFqNJmNMBZdMtKmO2X4BRjKPyKMc

# 预览版 kaist-cvpr15-preview.tar（1.44GB）
python -m gdown --continue 11nhHpmuh2FUjrLNfGs51R2Mqqy1GTjY8

下载完成后用官方提供的 MD5 文件校验：

# 完整版的 MD5 文件
python -m gdown 1KQ9lZXX9nfZuhbqBUEdlU2Yjx3nzeg5c
# 预览版的 MD5 文件
python -m gdown 1nJkdnSI9fAuhhZPKFfhVXimXGzvuRTb6

# Linux / WSL：两个文件放在同一目录后运行
md5sum -c kaist-cvpr15.tar.md5

Windows 下没有 md5sum，可以用系统自带的 certutil -hashfile kaist-cvpr15.tar MD5，再与 .md5 文件里的值对比。校验通过后解压：tar -xf kaist-cvpr15.tar。

从网盘或其他第三方渠道下载的文件，同样建议用官方 MD5 校验一遍。