COCONut：现代化COCO分割
计算机视觉与模式识别
2024-04-15 v1
摘要
近几十年来，视觉识别领域取得了显著进展，部分归功于数据集基准的进步。特别是，已建立的COCO基准推动了现代检测和分割系统的发展。然而，COCO分割基准在过去十年中改进相对缓慢。最初，它配备了用于物体实例的粗略多边形标注，随后逐渐加入了用于stuff区域的粗略超像素标注，这些标注后来被启发式地合并以产生全景分割标注。这些由不同组标注者执行的标注不仅导致了粗糙的分割掩码，还导致了分割类型之间的不一致。在本研究中，我们对COCO分割标注进行了全面的重新评估。通过提高标注质量并将数据集扩展到包含383K张图像和超过5.18M个全景掩码，我们引入了COCONut，即COCO下一代通用分割数据集。COCONut通过精心制作的高质量掩码协调了语义、实例和全景分割的标注，并为所有分割任务建立了一个稳健的基准。据我们所知，COCONut是第一个大规模通用分割数据集，并经过人工验证。我们预计COCONut的发布将极大地帮助社区评估新型神经网络的进展。
引用
@article{arxiv.2404.08639,
title = {COCONut: Modernizing COCO Segmentation},
author = {Xueqing Deng and Qihang Yu and Peng Wang and Xiaohui Shen and Liang-Chieh Chen},
journal= {arXiv preprint arXiv:2404.08639},
year = {2024}
}
备注
Accepted at CVPR2024, data available at https://xdeng7.github.io/coconut.github.io/