BigDetection：用于改进目标检测器预训练的大规模基准
计算机视觉与模式识别
2022-03-25 v1 人工智能
摘要
近年来，已引入多个目标检测数据集和公开挑战赛。为构建更通用且强大的目标检测系统，本文中我们构建了一个称为 BigDetection 的新大规模基准。我们的目标是简单地利用现有数据集（LVIS、OpenImages 和 Object365）的训练数据，并依据精心设计的准则，整理出一个更大的数据集以改进检测器预训练。具体而言，我们生成了一种新的分类法，统一了来自不同来源的异构标签空间。我们的 BigDetection 数据集具有 600 个物体类别，包含超过 3.4M 张训练图像和 36M 个边界框。它在多个维度上均远大于以往基准，既带来机遇也带来挑战。大量实验证明了其作为评估不同目标检测方法的新基准的有效性，以及其作为预训练数据集的有效性。
引用
@article{arxiv.2203.13249,
title = {BigDetection: A Large-scale Benchmark for Improved Object Detector Pre-training},
author = {Likun Cai and Zhi Zhang and Yi Zhu and Li Zhang and Mu Li and Xiangyang Xue},
journal= {arXiv preprint arXiv:2203.13249},
year = {2022}
}
备注
Technical report, code is released at https://github.com/amazon-research/bigdetection