COFGA：一种用于航拍图像目标细粒度分类的数据集
计算机视觉与模式识别
2021-05-28 v1
摘要
overhead 图像中目标的检测与分类是计算机视觉中两个重要且具挑战性的问题。在该领域的众多研究方向中，由于高分辨率卫星与机载成像系统的最新进展，overhead 图像中目标细粒度分类任务已在多样现实应用中变得 ubiquitous。细粒度特性导致的小类间差异与大类内差异，使其尤为困难，尤其在低资源情形下。本文中，我们引入 COFGA 一个用于推进细粒度分类研究的新型开放数据集。该数据集的 2104 张图像采集自地面采样距离 5–15 cm 的机载成像系统，提供比多数公开 overhead 影像数据集更高的空间分辨率。数据集中 14256 个标注目标被分为 2 个类、15 个子类、14 种独特特征与 8 种感知颜色，共计 37 个不同标签，使其比任何其他公开 overhead 影像数据集更适用于细粒度分类任务。我们将 COFGA 与其他 overhead 影像数据集比较，并描述了在我们为此任务举办的开放数据科学竞赛中探索的一些杰出细粒度分类方法。
引用
@article{arxiv.2105.12786,
title = {cofga: A Dataset for Fine Grained Classification of Objects from Aerial Imagery},
author = {Eran Dahan and Tzvi Diskin and Amit Amram and Amit Moryossef and Omer Koren},
journal= {arXiv preprint arXiv:2105.12786},
year = {2021}
}