ImagiFilter：支持大规模图像半自动挖掘的资源
计算机视觉与模式识别
2020-08-24 v1 计算与语言
摘要
从网络（半）自动收集的数据集可轻松扩展至数百万条目，但数据集的实用性直接取决于其样本是否干净且高质量。本文描述并公开发布一个图像数据集及预训练模型，旨在从可能来自网络的极大型图像集合中（半）自动过滤不良图像。我们的数据集聚焦于照片和/或自然图像，这是计算机视觉研究中非常常见的用例。我们提供粗粒度预测标注（即照片与非照片），以及更细粒度的预测任务，将非照片类进一步划分为地图、绘图、图表、图标和草图五类。在留出验证数据上的结果表明，一种内存占用精简的模型架构在粗粒度预测上准确率超96%。我们的最佳模型在最难细粒度分类任务上达88%准确率。数据集与预训练模型见：https://github.com/houda96/imagi-filter。
引用
@article{arxiv.2008.09152,
title = {ImagiFilter: A resource to enable the semi-automatic mining of images at scale},
author = {Houda Alberts and Iacer Calixto},
journal= {arXiv preprint arXiv:2008.09152},
year = {2020}
}
备注
10 pages, 6 figures, 2 tables