iMet 2020 数据集标签空间的清洗与结构化
计算机视觉与模式识别
2021-06-03 v1
摘要
iMet 2020 数据集是细粒度艺术品属性识别领域中的宝贵资源，但我们认为它尚未发挥其真正潜力。我们记录了该数据集的独特性质，并观察到许多属性标签含有噪声，其程度超出数据集描述所暗示的情况。标签之间常常还存在语义关系（例如相同、互斥、包含、不确定重叠），我们认为这些关系未被充分利用。我们提出了一种清洗并结构化 iMet 2020 标签的方法，并讨论了这样做的影响与价值。此外，我们通过若干实验展示了所提方法的益处。我们的代码与清洗后的标签可在 https://github.com/sunniesuhyoung/iMet2020cleaned 获取。
引用
@article{arxiv.2106.00815,
title = {Cleaning and Structuring the Label Space of the iMet Collection 2020},
author = {Vivien Nguyen and Sunnie S. Y. Kim},
journal= {arXiv preprint arXiv:2106.00815},
year = {2021}
}
备注
A shorter version of this work was accepted to the CVPR 2021 FGVC Workshop