行业报告 AI展会 数据标注 标注供求
数据标注数据集
您的当前位置:主页 > 数据下载 > 图像识别 > 正文

PASCAL VOC 数据集

时间:2019-01-16
数据类型:图形图像 热度
★★★☆☆

文件类型: .zip              文件大小:1.86G

授权方式: 公共开源     发布时间:2019-01-16

数据来源:PASCAL             界面语言:中文

数据介绍:
PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集,从2005年到2012年每年都会举行一场图像识别challenge。本文主要分析PASCAL VOC数据集中和图像中物体识别相关的内容。

PASCAL VOC项目:

  • 为对象类识别提供标准化图像数据集
  • 提供用于访问数据集和注释的通用工具集
  • 可以评估和比较不同的方法 
  • Ran挑战评估对象类识别的性能(从2005年至2012年,现已完成)

Pascal VOC数据集

来自VOC挑战的数据集可通过以下挑战链接获得,并且可通过PASCAL VOC评估服务器评估这些数据集上的新方法  。即使挑战现已完成,评估服务器仍将保持活动状态。
  可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

下表简要概述了VOC开发的主要阶段。

可思数据sykv.com

统计 新发展 笔记
2005年 只有4个班:自行车,汽车,摩托车,人。训练/验证/测试:包含2209个带注释的对象的1578个图像。 两个比赛:分类和检测 图像主要来自现有的公共数据集,并不像随后使用的flickr图像那样具有挑战性。此数据集已过时。
2006年 10班:自行车,公共汽车,汽车,猫,牛,狗,马,摩托车,人,羊。训练/验证/测试:2618张图像,包含4754个带注释的对象。 来自flickr和Microsoft Research Cambridge(MSRC)数据集的图像 MSRC图像比flickr更容易,因为照片通常集中在感兴趣的对象上。此数据集已过时。
2007年 20课:
  • 人:人
  • 动物:鸟,猫,牛,狗,马,羊
  • 车辆:飞机,自行车,船,公共汽车,汽车,摩托车,火车
  • 室内:瓶子,椅子,餐桌,盆栽,沙发,电视/显示器
训练/验证/测试:9,963张图像,包含24,640个带注释的对象。
  • 课程数量从10个增加到20个
  • 细分分析师介绍
  • 人物布局品尝师介绍
  • 截断标志添加到注释中
  • 分类挑战的评估指标变为平均精度。以前它是ROC-AUC。
今年建立了20个班级,从那时起就已经修好了。这是针对测试数据发布注释的最后一年。
2008年 20课。数据被分开(像往常一样)约50%列车/值和50%测试。train / val数据有4,340个图像,包含10,363个带注释的对象。
  • 遮挡标志添加到注释中
  • 测试数据注释不再公开。
  • 分段和人物布局数据集包括来自相应VOC2007集的图像。
 
2009年 20课。列车/瓦尔数据有7,054张图像,包含17,218个ROI注释对象和3,211个分段。
  • 从现在开始,所有任务的数据都包含前几年用新图像增强的图像。在早些年,每年都会发布一个全新的数据集,用于分类/检测任务。
  • 增强允许每年增加图像的数量,并且意味着可以在前几年的图像上比较测试结果。
  • 细分成为标准挑战(从品酒师提升)
  • 没有为附加图像提供困难的标志(遗漏)。
  • 测试数据注释未公开。
2010 20课。train / val数据有10,103个图像,包含23,374个ROI注释对象和4,203个分段。
  • 行动分类品尝师介绍。
  • 基于ImageNet引入的大规模分类的相关挑战。
  • 亚马逊机械土耳其人用于注释的早期阶段。
  • 计算AP的方法发生了变化。现在使用所有数据点而不是TREC样式采样。
  • 测试数据注释未公开。
2011 20课。train / val数据有11,530个图像,包含27,450个ROI注释对象和5,034个分段。
  • 行动分类品尝师扩展到10个类+“其他”。
  • 布局注释现在不是“完整的”:只有人注释,有些人可能没有注释。
2012 20课。列车/瓦尔数据有11,530张图像,包含27,450个ROI注释对象和6,929个分段。
  • 分割数据集的大小显着增加。
  • 行动分类数据集中的人员还附加了身体上的参考点。
  • 用于分类,检测和人员布局的数据集与VOC2011相同。

主办单位

  • Mark Everingham(利兹大学)
  • Luc van Gool(苏黎世ETHZ)
  • 克里斯威廉姆斯(爱丁堡大学)
  • John Winn(微软剑桥研究院)
  • Andrew Zisserman(牛津大学)

主要贡献来自

可思数据-AI,sykv.com人工智能,深度学习,机器学习,神经网络

  • Yusuf Aytar(牛津大学)
  • Ali Eslami(微软剑桥研究院)
  • Alexander Sorokin(伊利诺伊大学厄巴纳 - 香槟分校)
下载地址:

特别声明:

¤ 此数据集库仅供研究和教育用途,不得用于任何商业用途。
¤ 如果您在任何出版物或报告中使用该数据库,则必须添加引用来源。
¤ 版权归作者及所在组织所有。
¤ 如用于商业用途,请联系版权所有人。
¤ 本站数据来源于网络如有侵权请联系我们。
转发量:


人工智能交流群扫码邀请
人工智能交流群扫码邀请

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

Copyright©2005-2026 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

扫码入群
扫码关注

微信公众号

返回顶部
扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部