30 kwietnia została udostępniona nowa wersja zbioru danych Open Images, a wraz z nią został ogłoszony konkurs na najlepszy wynik w rozpoznawanie obrazu i wykrywaniu obiektów.
Tu można zobaczyć przykłady danych: Open Images Dataset V4
Podczas konferencji ECCV 2018 odbędzie się Open Images Challenge Workshop (prezentować będą: Vittorio Ferrari, Alina Kuznetsova, Jasper Uijlings, Rodrigo Benenson, Victor Gomes, Matteo Malloci) podczas którego ogłoszone będą wyniki konkursu.
Konkurs przewiduje dwie konkurencje:
W zbiorze danych są etykiety dla obrazu jako całości (tabela 1) oraz ramki z etykietami wokół obiektów (tabela 2). Dane zostały oznaczone automatycznie, część z nich została przejżana przez ludzi dzięki narzędziu Crowdsource labeler.
Tab. 1: Etykiety na poziomie obrazu
| Train | Validation | Test | # Classes | # Trainable Classes | |
|---|---|---|---|---|---|
| Images | 9,011,219 | 41,620 | 125,436 | – | – |
| Machine-Generated Labels | 78,977,695 | 512,093 | 1,545,835 | 7,870 | 4,764 |
| Human-Verified Labels | 27,894,289 pos: 13,444,569 neg: 14,449,720 |
551,390 pos: 365,772 neg: 185,618 |
1,667,399 pos: 1,105,052 neg: 562,347 |
19,794 | 7,186 |
Tab. 2: Adnotacje do wykrywania obiektów na zbiorze trenującym (Object Detection track)
| Classes | Images | Image-Level Labels | Bounding boxes | |
|---|---|---|---|---|
| Train | 500 | 1,743,042 | 5,743,460 pos: 3,830,005 neg: 1,913,455 |
12,195,144 |
Wybrałem kilka ciekawych przykładów – poniżej, natomiast wszystko można zobaczyć tu Open Images Dataset V4.
Dodaj komentarz