ORBIT：一个面向可教对象识别的真实世界少样本数据集
计算机视觉与模式识别
2021-10-11 v5
摘要
对象识别在过去十年取得了巨大进展，但主要仍依赖于每个对象类别大量高质量的训练样本。相比之下，仅从少量样本学习新对象可赋能从机器人到用户个性化的许多有影响的应用。然而，大多数少样本学习研究由缺乏这些应用部署于真实世界时所面临的高变化的基准数据集驱动。为弥补这一差距，我们提出了 ORBIT 数据集与基准，其扎根于为盲人或低视力人群设计的可教对象识别器的真实世界应用。该数据集包含由盲人或低视力人群使用手机录制的 486 个对象的 3,822 个视频。该基准反映了一个真实、极具挑战性的识别问题，为驱动针对少样本、高变化条件下鲁棒性的研究提供了丰富的试验场。我们确立了该基准的首个 state-of-the-art，并表明存在巨大的进一步创新空间，有潜力影响广泛的真实世界视觉应用，包括面向盲人或低视力群体的工具。我们在 https://doi.org/10.25383/city.14294597 发布数据集，在 https://github.com/microsoft/ORBIT-Dataset 发布基准代码。
引用
@article{arxiv.2104.03841,
title = {ORBIT: A Real-World Few-Shot Dataset for Teachable Object Recognition},
author = {Daniela Massiceti and Luisa Zintgraf and John Bronskill and Lida Theodorou and Matthew Tobias Harris and Edward Cutrell and Cecily Morrison and Katja Hofmann and Simone Stumpf},
journal= {arXiv preprint arXiv:2104.03841},
year = {2021}
}
备注
IEEE/CVF International Conference on Computer Vision (ICCV), 2021