最近在看论文时,发现很多论文中都会提到两种分割的方法,于是简单记录一下,欢迎交流
Image-wise split 和 Object-wise split 是将整个数据集分割成训练集/测试集的两种方法
以Cornell数据集为例,共885个RGB-D图片,假设我们通过剪裁,旋转,放大等处理方式生成含有5000个数据的数据集
Image-wise split 是将整个数据集打乱后随机分配成训练集和测试集,以测试对于之前见过的物体,当其出现在新的position和orientation时网络的泛化能力
Object-wise split 是将数据集按照物体实例进行分割,测试集中的物体是没有出现过在训练集中的,以测试网络对于未见过物体的泛化能力
对于Cornell数据集来说,其实就是取决于你是否对数据集进行了shuffle
如果shuffle,那么是Image-wise split ;如果没有,物体按照类别排列,则是Object-wise split