Google Releases Open Image V5, Launches Open Image Challenge
Google has released its updated open-source image dataset Open Image V5 and announced the second Open Images Uitdaging voor dit najaar 2019 International Conference on Computer Vision (ICCV 2019).
Voor het eerst geà ntroduceerd in 2016, Open Image is een gezamenlijke release bestaande uit ongeveer negen miljoen afbeeldingen geannoteerd met labels die duizenden objectcategorieën omvatten. De nieuwe versie is een update op 2018 Open Images V4.
Open Image V5 bevat nieuw toegevoegde annotaties op afbeeldingssegmentatiemaskers voor 2,8 miljoen objecten in 350 categorieën. In tegenstelling tot bounding-boxes die alleen het algemene gebied identificeren waarin een object zich bevindt, traceren deze beeldsegmentatiemaskers de omtrek van het doelobject, waardoor de ruimtelijke omvang ervan wordt gekenmerkt met een hoger detailniveau.
De segmentatie maskers op de training set van 2.68 miljoen Data samples werden gegenereerd door Google ‘ s interactieve segmentatie proces. Professionele menselijke annotators blijven deelnemen aan het verbeteren van de gesegmenteerde neurale netwerk output. Google zegt dat de methode geeft maskers een gemiddelde nauwkeurigheid van 84 procent, dat is efficiënter dan handmatig tekenen alleen.
naast de maskers heeft Google 6,4 miljoen handmatig geverifieerde tags op afbeeldingsniveau toegevoegd om het totaal op 36,5 miljoen tags te brengen die bijna 20.000 categorieën bestrijken. Google-onderzoekers verbeterden ook de annotatiedichtheid van 600 objectanalogen in de validatiesets en testsets, waarbij meer dan 400.000 bounding boxes werden toegevoegd om de annotatiedichtheid in de trainingsset aan te passen en een nauwkeurigere beoordeling van het doeldetectiemodel te garanderen.
De ICCV 2019 Open Images Challenge introduceert een nieuwe instance segmentatie track gebaseerd op de open Images V5 dataset. Ook toegevoegd dit jaar zijn een grootschalige object detectie track die 500 categorieën met 12,2 miljoen training bounding-boxen; en een visuele relatie detectie track om object paren in een bepaalde relatie te detecteren.
de trainingsset met alle annotaties is beschikbaar om te downloaden.