利用网络图像构建数据集：一种领域鲁棒方法

标注图像数据集在高层图像理解中发挥了关键作用。然而，人工标注过程既耗时又费力。为降低人工标注成本，利用网络图像自动构建图像数据集的研究兴趣日益增长。现有方法构建的数据集往往具有较弱的领域自适应能力，这被称为“数据集偏差问题”。为解决这一问题，我们提出了一种新颖的图像数据集构建框架，该框架能很好地泛化到未见过的目标领域。具体而言，首先通过搜索 Google Books Ngrams 语料库来扩展给定的查询，以获得丰富的语义描述，从中过滤掉视觉上不显著且相关性较低的扩展项。通过将每个选定的扩展项视为一个“包”，将检索到的图像视为“实例”，图像选择可以被形式化为一个具有约束正包的多实例学习问题。我们提出使用切割平面和凹凸过程 (CCCP) 算法来解决所采用的问题。通过这种方法，可以保留来自不同分布的图像，同时过滤掉噪声图像。为验证我们提出方法的有效性，我们构建了一个包含 20 个类别的图像数据集。在图像分类、跨数据集泛化、多样性比较和目标检测上的大量实验证明了我们数据集的领域鲁棒性。