SHIFT15M：用于具有多种分布偏移的集到集匹配的时尚专用数据集
机器学习
2023-03-09 v2 计算机视觉与模式识别
摘要
本文解决集到集匹配问题，即基于某些准则匹配两个不同的物品集合，尤其是像图像这样的高维物品。尽管神经网络已被用于解决该问题，大多数基于机器学习的方法假设训练与测试数据服从相同分布，而现实场景中并非总是如此。为应对此局限，我们引入SHIFT15M，一个可用于在训练与测试数据分布发生变化时评估集到集匹配模型的数据集。我们进行了基准实验，展示了朴素方法因分布偏移导致的性能下降。此外，我们提供了简便处理SHIFT15M数据集的软件，其链接将在本稿发表后公开。我们相信所提出的SHIFT15M数据集为在分布偏移下评估集到集匹配模型提供了宝贵资源。
引用
@article{arxiv.2108.12992,
title = {SHIFT15M: Fashion-specific dataset for set-to-set matching with several distribution shifts},
author = {Masanari Kimura and Takuma Nakamura and Yuki Saito},
journal= {arXiv preprint arXiv:2108.12992},
year = {2023}
}