《表1 主要的通用目标数据集比较》
目标检测领域有很多大规模数据集,包括ILS-VRC(ImageNet large scale visual recognition challenge)(Russakovsky等,2015)、Pascal VOC(visual object class)(Everingham等,2010)、SUN(scene understanding)(Xiao等,2016)等通用目标数据集。此外,还有一些针对某类物体的特定数据集。VisDrone 2018(Zhu等,2018)是基于无人机拍摄的视频进行标定的数据集、Caltech(Dollar等,2012)和CityPersons(Zhang等,2017)是包含行人设计的数据集、KITTI(Karlsruhe Institute of Technology&Toyota Technological Institute)(Geiger等,2012)是自动驾驶场景下的算法评价数据集。应用较为广泛的是MS COCO(Microsoft common objects in context)数据集(Lin等,2014),其包括大量具有挑战性的标注图像,并设有检测挑战赛。训练特定网络时,一般需要对这些大规模数据集内的数据进行筛选(Chen等,2017b)。部分上述数据集包含的数据量如表1所示。其中测试图像量包括验证集图像量和测试集图像量,在表1中分别给出。
图表编号 | XD00159727600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.16 |
作者 | 申奉璨、张萍、罗金、刘松阳、冯世杰 |
绘制单位 | 电子科技大学光电科学与工程学院、电子科技大学光电科学与工程学院、电子科技大学光电科学与工程学院、电子科技大学光电科学与工程学院、电子科技大学光电科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |