Met 数据集：艺术品的实例级识别
计算机视觉与模式识别
2022-02-04 v1
摘要
本工作引入了一个用于艺术品领域大规模实例级识别的数据集。所提出的基准展现出若干不同挑战，如类间高度相似、长尾分布以及类别众多。我们依托大都会艺术博物馆（The Met）的开放获取收藏构建了一个约 22.4 万类的大型训练集，其中每个类别对应一件在摄影棚条件下拍摄照片的博物馆展品。测试主要在博物馆访客拍摄的描绘展品的照片上进行，这在训练与测试间引入了分布偏移。测试还在一组与 Met 展品无关的图像上进行，使该任务类似于分布外检测问题。所提出的基准遵循其他近期针对不同领域的实例级识别数据集的范式，以鼓励对领域无关方法的研究。我们评估了若干合适的方法，为未来比较提供测试平台。自监督与监督对比学习被有效结合以训练骨干网络，该网络用于被证明为有前景方向的非参数分类。数据集网页：http://cmp.felk.cvut.cz/met/
引用
@article{arxiv.2202.01747,
title = {The Met Dataset: Instance-level Recognition for Artworks},
author = {Nikolaos-Antonios Ypsilantis and Noa Garcia and Guangxing Han and Sarah Ibrahimi and Nanne Van Noord and Giorgos Tolias},
journal= {arXiv preprint arXiv:2202.01747},
year = {2022}
}