对 COCO 的目标检测补充数据集
计算机视觉与模式识别
2022-06-24 v1
摘要
近十年来，COCO 数据集一直是目标检测研究的核心试验床。然而，根据近期基准测试，该数据集上的性能似乎已开始饱和。一个可能的原因是它或许不足以训练深度模型。为应对此局限，我们在此引入两个 COCO 的补充数据集：i) COCO_OI，由 COCO 与 OpenImages（取其共有的 80 类）的图像组成，包含 380,111 张图像上的 1,418,978 个训练边界框，以及 18,299 张图像上的 41,893 个验证边界框；ii) ObjectNet_D，包含日常生活场景中的物体（最初为物体识别创建，称为 ObjectNet；与 COCO 共有 29 类）。后者可用于测试目标检测器的泛化能力。我们在这些数据集上评估了一些模型并定位错误来源。我们鼓励社区利用这些数据集训练和测试目标检测模型。代码与数据见 https://github.com/aliborji/COCO_OI。
引用
@article{arxiv.2206.11473,
title = {Complementary datasets to COCO for object detection},
author = {Ali Borji},
journal= {arXiv preprint arXiv:2206.11473},
year = {2022}
}