DeepScores——一个用于微小物体分割、检测与分类的数据集
计算机视觉与模式识别
2018-05-29 v2 机器学习
摘要
我们提出 DeepScores 数据集，旨在推进小物体识别的最先进水平，并将物体识别问题置于场景理解的语境中。DeepScores 包含高质量乐谱图像，划分为 300,000 张写有音乐的谱页，其中包含不同形状和大小的符号。由于拥有接近一亿个小物体，这使得我们的数据集不仅独特，也是最大的公开数据集。DeepScores 提供用于物体分类、检测和语义分割的 ground truth。因此，DeepScores 对计算机视觉提出了相关的挑战，超越了光学音乐识别（OMR）研究的范围。我们给出了该数据集的详细统计分析，将其与 Caltech101/256、PASCAL VOC、SUN、SVHN、ImageNet、MS-COCO 等其他计算机视觉数据集、较小的计算机视觉数据集以及其他 OMR 数据集进行比较。最后，我们提供了物体分类的基线性能，并给出了基于该数据集的未来研究指向。
引用
@article{arxiv.1804.00525,
title = {DeepScores -- A Dataset for Segmentation, Detection and Classification of Tiny Objects},
author = {Lukas Tuggener and Ismail Elezi and Jürgen Schmidhuber and Marcello Pelillo and Thilo Stadelmann},
journal= {arXiv preprint arXiv:1804.00525},
year = {2018}
}
备注
6 pages, accepted on IEEE International Conference on Pattern Recognition 2018