ObjectNet 用于对象识别的大型真实世界的数据集【图文】

What is ObjectNet?

1、一种新的视觉数据集，从科学的其他领域借用了控制的概念。

2、没有训练集，只有测试集! 让你的视觉系统经历它的考验。

3、收集了新背景上的新观点，故意显示物体。

4、50,000张图像测试集，与ImageNet相同，有旋转、背景和视角的控制。

5、313个物体类别，其中113个与ImageNet重叠大幅度的性能下降，这是你在现实世界中

6、对视觉系统的期望!对微调的鲁棒性和一个非常困难的转移学习问题

Abstract

ObjectNet是一个大型的现实世界中的物体识别测试集，其中物体的背景、旋转和成像视角是随机的。

大多数科学实验都有控制措施，即从数据中剔除的干扰因素，以确保受试者不能通过利用数据中微不足道的关联性来完成一项任务。历史上，大型机器学习和计算机视觉数据集缺乏这种控制。这导致模型必须针对新的数据集进行微调，并且在数据集上的表现比在真实世界的应用中更好。当在ObjectNet上测试时，由于对偏差的控制，物体检测器的性能比它们在其他基准上的性能下降了40-45%。控制措施使ObjectNet对微调显示出强劲的性能，只有很小的性能增长。

我们开发了一个高度自动化的平台，通过众包图像采集和注解，可以收集有控制的数据集。ObjectNet与ImageNet测试集的大小相同（50,000张图片），并且在设计上没有与训练集配对，以鼓励泛化。这个数据集既比ImageNet简单--物体基本上都是居中的，而且不包含在内--又因为有控制，所以更难。虽然我们在这里关注的是物体识别，但有控制的数据可以通过机器学习中的自动化工具大规模地收集，以产生以新的方式锻炼模型的数据集，从而为研究人员提供有价值的反馈。这项工作为研究可推广的、强大的、更像人类的计算机视觉和创建数据集开辟了新的途径，其结果可以预测现实世界的表现。

Easy for humans, hard for machines

准备帮助开发下一代的物体识别算法，将鲁棒性、偏差和安全性考虑在内。 控件可以从其他数据集机器学习中消除偏见，而不仅仅是视觉。

Dateset download：

需要数据集的同学可以访问帕依提提网站下载：​

​​https://www.payititi.com/opendatasets/show-1731.html ​​

更多文章请关注《万象专栏》