《表2 零样本图像分类常用的数据集》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《零样本图像分类综述:十年进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在零样本图像分类技术近十年的发展过程中，涌现出了大量相关的数据集用于性能评测，这些数据集有的是为零样本图像分类构建，有的是利用已有的图像分类和细粒度图像分类的数据集，这些标准的公开数据集能够帮助研究者们对各种算法的相关性能进行有效评价.本文只对常用的一些数据集进行简要介绍.常用的图像数据集包括动物类别数据集AwA[3]（示例见图6），鸟类数据集CUB[55]场景类数据集SUN[86]，混合类别（包含人物、动物、风景等）的数据集aPY[40]和ImageNet[87]等，其中前4个数据集提供属性标注，而ImageNet没有提供属性标注.此外，CUB和SUN是细粒度图像分类数据集，其中的图像类间差异较小，对零样本图像分类的挑战性也较大.我们还给出了目前在各个数据集上表现最好（state-of-the-art，SoA）的算法的性能指标和出处以供参考.由于目前多个数据集都存在多种数据划分情况，为了公正评价各算法的性能，我们给出的算法性能统一以文献[37]中提出的数据划分方法作为标准，统一使用Resnet101网络提取视觉特征，以类平均准确度（average per-class top-1 accuracy）作为零样本分类评价指标.对这些数据集的总结与比较如表2[45，88，89]所示.另外，我们挑选了AwA[3]数据集中的部分类别以提供一个直观的展示.