Roboflow 100：一个丰富的多领域目标检测基准
计算机视觉与模式识别
2022-12-01 v3
摘要
目标检测模型的评估通常通过在固定数据集集（例如Microsoft COCO和Pascal VOC）上优化单一指标（如mAP）来进行。由于图像检索和标注成本，这些数据集主要由网络上找到的图像组成，并不代表实践中被建模的许多真实领域，例如卫星、显微镜和游戏，使得难以断言模型所学到的泛化程度。我们引入了Roboflow-100（RF100），其包含100个数据集、7个图像领域、224,714张图像和805个类别标签，标注时长超过11,170小时。我们从超过90,000个公共数据集、6000万张公共图像中衍生出RF100，这些数据集和图像正由计算机视觉从业者在网页应用Roboflow Universe上公开主动地组装和标注。通过发布RF100，我们旨在提供一个语义多样、多领域的基准数据集，以帮助研究人员用真实数据测试其模型的泛化能力。RF100的下载和基准复现可在GitHub上获取。
引用
@article{arxiv.2211.13523,
title = {Roboflow 100: A Rich, Multi-Domain Object Detection Benchmark},
author = {Floriana Ciaglia and Francesco Saverio Zuppichini and Paul Guerrie and Mark McQuade and Jacob Solawetz},
journal= {arXiv preprint arXiv:2211.13523},
year = {2022}
}