本帖最后由 黑崎一护 于 2018-8-27 14:14 编辑
本文转载于https://www.cnblogs.com/geekvc/p/6657369.html 1 COCO简介 该数据集主要有的特点如下： - （1）Object segmentation
- （2）Recognition in Context
- （3）Multiple objects per image
- （4）More than 300,000 images
- （5）More than 2 Million instances
- （6）80 object categories
- （7）5 captions per image
- （8）Keypoints on 100,000 people
该数据集主要解决3个问题：目标检测，目标之间的上下文关系，目标的2维上的精确定位。数据集的对比示意图：
图1-1
2 数据集分类图片分类：
分类需要二进制的标签来确定目标是否在图像中。早期数据集主要是位于空白背景下的单一目标，如MNIST手写数据库，COIL household objects。在机器学习领域的著名数据集有CIFAR-10 and CIFAR-100，在32*32影像上分别提供10和100类。最近最著名的分类数据集即ImageNet，22,000类，每类500-1000影像。 目标检测： 通过bounding box确定目标位置，主要用于人脸检测与行人检测，数据集如Caltech Pedestrian Dataset包含350,000个bounding box标签。PASCAL VOC数据包括20个目标超过11,000图像，超过27,000目标bounding box。ImageNet数据下获取的目标检测数据集有200类，400,000张图像，350,000个边界框。由于一些目标之间有着强烈的关系，在特定场景下检测某种目标不确定是否有意义，因此精确的位置信息比边界框更加重要。 语义场景标注：
这类问题需要pixel级别的标签，其中个别目标很难定义，如街道和草地。数据集主要包括室内场景和室外场景的，一些数据集包括深度信息。其中，SUN dataset包括908个场景类，3,819个常规目标类(person, chair, car)和语义场景类(wall, sky, floor)，每类的数目具有较大的差别（这点COCO数据对其进行了改进，保证每一类数据足够）。
图2-1
其他视觉数据集 一些数据集如Middlebury datasets，包含立体相对，多视角立体像对和光流；同时还有Berkeley Segmentation Data Set (BSDS500)，可以评价语义分割和边缘检测算法。 该数据集标记流程如下：
图3-1
COCO数据集有91类，虽然比ImageNet和SUN类别少，但是每一类的图像多，这有利于获得更多的每类中位于某种特定场景的能力，对比PASCAL VOC，其有更多类和图像。 COCO数据集分两部分发布，前部分于2014年发布，后部分于2015年发布。 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, and 81,434 test images。 其性能对比和一些例子： 图3-2
图3-3
图3-4
本篇文章主要介绍了MS COCO数据集，分别介绍了三个部分：COCO介绍，数据集分类和COCO展示。
| 
发表于 2018-8-24 16:45:20
楼主