PatentNet：一个大规模不完整多视图、多模态、多标签工业产品图像数据库
计算机视觉与模式识别
2021-06-24 v1 人工智能
摘要
在深度学习领域，大规模图像数据集带来了目标识别与检索成功的突破。如今，作为创新的体现，工业产品的多样性显著增大，其中不完整多视图、多模态和多标签不同于传统数据集。本文介绍了一个工业产品数据集，即 PatentNet，包含大量高度多样、准确且详细的工业产品图像及相应文本的标注。在 PatentNet 中，图像和文本来源于外观设计专利。在超过 600 万张由专业人员人工核对过的工业产品图像及相应文本标注中，PatentNet 是首个持续更新的工业产品图像数据库，其种类比先前用于基准测试的工业产品数据集更广。PatentNet 基于洛迦诺分类协定将数百万张图像组织为 32 个大类与 219 个小类。通过在图像分类、图像检索和不完整多视图聚类上的大量实验，我们证明我们的 PatentNet 比现有工业图像数据集更加多样、复杂且具挑战性，拥有更高的潜力。此外，PatentNet 的不完整多视图、多模态和多标签特性能够为人工智能界及更广领域提供无与伦比的机遇。
引用
@article{arxiv.2106.12139,
title = {PatentNet: A Large-Scale Incomplete Multiview, Multimodal, Multilabel Industrial Goods Image Database},
author = {Fangyuan Lei and Da Huang and Jianjian Jiang and Ruijun Ma and Senhong Wang and Jiangzhong Cao and Yusen Lin and Qingyun Dai},
journal= {arXiv preprint arXiv:2106.12139},
year = {2021}
}
备注
12 pages,7 figures