RSTPReid 全称 Real Scenario Text-based Person Re-identification，包含 20,505 张涉及 4,101 人的图像，图像来自 15 台摄像机。每个人都有 5 张对应的图像，这些图像由不同的相机拍摄，具有复杂的室内外场景转换和不同时期的背景，这使得 RSTPReid 更具挑战性，也更能适应真实场景。

每张图片都有 2 个文本描述的标注。为了划分数据，分别利用 3,701 个、 200 个和 200 个身份进行训练、验证和测试。每个句子不少于 23 个字。