CURE-OR：面向目标识别的挑战性非真实与真实环境数据集
计算机视觉与模式识别
2018-11-14 v2
摘要
在本文中，我们介绍了一个大规模、受控且多平台的物体识别数据集，称为面向目标识别的挑战性非真实与真实环境（CURE-OR）。该数据集中包含 100 个物体共 1,000,000 张图像，这些物体具有变化的尺寸、颜色和纹理，以五种不同朝向摆放，并使用包括网络摄像头、单反相机和三台智能手机摄像头在内的五种设备在真实世界（真实）和影棚（非真实）环境中拍摄。受控的挑战性条件包括曝光不足、曝光过度、模糊、对比度、镜头污渍、图像噪声、缩放和颜色信息丢失。我们利用 CURE-OR 数据集测试了识别 API——Amazon Rekognition 和 Microsoft Azure Computer Vision——并表明它们的性能在挑战性条件下显著下降。此外，我们研究了物体识别与图像质量之间的关系，并表明客观质量算法能够在特定光度挑战性条件下估计识别性能。该数据集公开于 https://ghassanalregib.com/cure-or/。
引用
@article{arxiv.1810.08293,
title = {CURE-OR: Challenging Unreal and Real Environments for Object Recognition},
author = {Dogancan Temel and Jinsol Lee and Ghassan AlRegib},
journal= {arXiv preprint arXiv:1810.08293},
year = {2018}
}
备注
8 pages, 7 figures, 4 tables