Google Research 发布了 Open Images V6，大幅扩展了视觉关系和人类动作标注，并引入了局部叙事标注，这是一种结合语音、文本和鼠标轨迹的新标注形式，旨在增强视觉与语言的联系。新版本包含约50万张带有局部叙事的图像，以及大量视觉关系和人类动作标注，将进一步推动计算机视觉和图像理解研究。
文 / Jordi Pont-Tuset，研究员，Google Research
在许多方面，Open Images 都可堪称为最大的标注图像数据集，可为计算机视觉任务训练最新深度卷积神经网络。去年 5 月发布的第 5 版 Open Images 数据集中有 900 万张有标注图像（含 3600 万个图像级标签、1580 万个边界框，280 万个实例分割以及 39.1 万个视觉关系）。该数据集本身以及围绕它展开的 Open Images 挑战赛，共同推动了物体检测、实例分割和视觉关系检测领域取得了最新进展。
Open Images V5 采用如下标注形式：图像级标签、边界框、实例分割和视觉关系。图像来源：1969 Camaro RS/SS 由 D. Miller 拍摄、房屋照片由 anita kluska 拍摄、Calico 猫咪咖啡馆新宿店由 Ari Helminen 拍摄、Radiofiera - 蒙泰基奥马焦雷 Villa Cordellina Lombardi (VI) - agosto 2010 由 Andrea Sartorati 拍摄。所有图像的使用均遵循 CC BY 2.0 许可
今天，我们宣布 Open Images V6 已正式发布，此版本通过增加大量的视觉关系（例如“狗抓飞盘”）、人类动作标注（例如“女子跳起”）和图像级标签（例如“佩斯利”）大幅扩展了 Open Images 数据集的标注范围。
值得注意的是，新版本还添加了 局部叙事标注 (localized narrativ
最低0.47元/天 解锁文章
扫一扫
27
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
