该数据集提供了带注释的热成像数据集和对应的无注释RGB图像，用于训练和验证神经网络。

数据集总共包含14452张红外图像，其中10228张来自多个短视频；4224张来自一个长为144s的视频。所有视频都来自街道和高速路。大多数图片的采样率为1秒两帧，其中视频的帧率为1秒30帧；少数环境中目标较少时，采样率为1秒1帧。

train文件夹

JSON文件详解

第一部分

  "info": {
    "version": 1.0,
    "url": "no url specified",
    "year": 2019,
    "date_created": "today",
    "contributor": "no contributor specified",
    "description": ""
  },

含义：文件开头 有关的版本信息、时间啥的

第二部分

"categories": [
    {
      "name": "person",
      "id": 1,
      "supercategory": "unknown"
    },
    {
      "name": "bicycle",
      "id": 2,
      "supercategory": "unknown"
    },
    ···
        {
      "name": "empty",
      "id": 0,
      "supercategory": "unknown"
    }
    }

含义：定义标签及标签ID，这里用的是coco一样的不过这个数据集只对五类进行了标注：

• 类别 1：People
• 类别 2：Bicycle —— 自行车和摩托车（与coco不一致）
• 类别 3：Cars ——私人汽车或者其他小型商用汽车。
• 类别 18：Dogs
• 类别 91：其他汽车 —— 大型卡车，船，拖车

第三部分：数据部分–也是用到的部分

"licenses": [],
  "annotations": [
    {
      "image_id": 0,-----------------------------图片id
      "extra_info": {-----------------------------额外信息
        "human_annotated": true-----------人工标注：true
      },
      "category_id": 3,---------------------类别id，就是所标注的类对应的id
      "iscrowd": 0,-------------0表示标注一个对象，segmentation格式使用polygons，1表示标注多个对象，segmentation格式使用RLE格式
      "id": 1,----------------------------------第几个框
      "segmentation": [--框的四个点坐标
        [
          202,
          190,
          202,
          312,
          334,
          312,
          334,
          190
        ]
      ],
      "bbox": [-----框的x,y,h,w  左上角第一个坐标和框的长，宽
        202,
        190,
        132,
        122
      ],
      "area": 16104-----------标注面积
    },