Tencent ML-Images：用于视觉表征学习的大规模多标签图像数据库
计算机视觉与模式识别
2020-02-11 v7
摘要
在现有的视觉表征学习任务中，深度卷积神经网络（CNNs）常在带有单标签标注的图像上训练，例如ImageNet。然而，单个标签无法描述一幅图像的所有重要内容，部分有用的视觉信息可能在训练中被浪费。本工作中，我们提出从带有多个标签标注的图像训练CNNs，以提升所训练CNN模型的视觉表征质量。为此，我们构建了一个包含1800万图像和1.1万类别的大规模多标签图像数据库，称为Tencent ML-Images。我们基于大规模分布式深度学习框架TFplus，在Tencent ML-Images上以多标签输出高效训练ResNet-101模型，60个周期耗时90小时。Tencent ML-Images检查点的视觉表征质量通过三项迁移学习任务得到验证，包括在ImageNet和Caltech-256上的单标签图像分类、PASCAL VOC 2007上的目标检测，以及PASCAL VOC 2012上的语义分割。Tencent ML-Images数据库、ResNet-101检查点及全部训练代码已发布于 https://github.com/Tencent/tencent-ml-images。期望其能推动研究与工业界的其他视觉任务。
引用
@article{arxiv.1901.01703,
title = {Tencent ML-Images: A Large-Scale Multi-Label Image Database for Visual Representation Learning},
author = {Baoyuan Wu and Weidong Chen and Yanbo Fan and Yong Zhang and Jinlong Hou and Jie Liu and Tong Zhang},
journal= {arXiv preprint arXiv:1901.01703},
year = {2020}
}
备注
This work is accepted to IEEE Access