計算機視覺標準資料集整理—COCO資料集
阿新 • • 發佈：2019-01-22
COCO資料集由微軟贊助，其對於影象的標註資訊不僅有類別、位置資訊，還有對影象的語義文字描述，COCO資料集的開源使得近兩三年來影象分割語義理解取得了巨大的進展，也幾乎成為了影象語義理解演算法效能評價的“標準”資料集。Google的開源show and tell生成模型就是在此資料集上測試的。
這個資料集以scene understanding為目標，主要從複雜的日常場景中擷取，影象中的目標通過精確的segmentation進行位置的標定。影象包括91類目標，328,000影像和2,500,000個label。
該資料集主要解決3個問題：目標檢測，目標之間的上下文關係，目標的2維上的精確定位。資料集的對比示意圖：
COCO資料集有91類，雖然比ImageNet和SUN類別少，但是每一類的影象多，這有利於獲得更多的每類中位於某種特定場景的能力，對比PASCAL VOC，其有更多類和影象。
COCO資料集分兩部分發布，前部分於2014年釋出，後部分於2015年，2014年版本：82,783 training, 40,504 validation, and 40,775 testing images，有270k的segmented people和886k的segmented object；2015年版本：165,482 train, 81,208 val, and81,434 test images。
職責
目標檢測
- 輸出目標物的邊框即可（using bounding box output），也就是我們常說的目標檢測(object detection)了；
- 要求把目標物從影象中分割出來（object segmentation output），即我們所說的影象語義分割（Semantic image segmentation）；
影象標註（COCOCaptioning Challenge）
具體說來就是一句話準確描述圖片上的資訊（producingimage captions that are informative and accurate）。那這個怎麼評分呢？目前是靠人工評分。
人體關鍵點檢測（COCOKeypoint Challenge）
比賽要求是找到人在哪，然後定位到人體的一些關鍵點位置（Thekeypoint challenge involves simultaneously detecting people and localizingtheir keypoints）。