mageNet Object Localization Challenge

2024-04-12 10:38

本文主要是介绍mageNet Object Localization Challenge,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

竞争描述

虽然人们很容易辨别出照片中细微的差别,但电脑仍然有办法。视觉上相似的东西很难让电脑计算,就像这堆重叠的香蕉。

或者想想这张照片,一个狐狸家族伪装在野外-狐狸在哪里结束,草在哪里开始?

                                       

注释。

由于这种竞争,仅2010年至2014年,图像分类误差就减少了4.2倍(从28.2%降至6.7%),定位误差就减少了1.7倍(从42.5%降至25.3%)。你能进一步提高精确度吗?

竞争概况

验证和测试数据将包括150000张照片,从Flickr和其他搜索引擎收集,手工标记有或没有1000个对象类别。1000个对象类别包含imagenet的内部节点和叶节点,但不相互重叠。

50000张带有标签的图片的随机子集将作为训练集和1000个类别的列表一起发布。其余图像将用作测试集。

IMAGENET培训数据中不包含本次比赛的验证和测试数据。

Data Description

至2017年7月,数据、比赛和注释从ImageNet下载站点镜像。

文件说明

imagenet_object_localization.tar.gz包含列车和验证集的图像数据和地面真值,以及测试集的图像数据。

图像注释以PascalVOC格式保存在XML文件中。用户可以使用Pascal开发工具包解析注释。

注释由它们的synset(例如,“波斯猫”、“山地自行车”或“热狗”)作为它们的wnid进行排序。这些身份证看起来像N00141669。每个图像的名称与注释文件名有直接的对应关系。例如,n2123394/n2123394_28.xml的边界框是n2123394_28.jpeg。

您可以从http://www.image-net.org/api/download/image net.bbox.synset下载特定synset的所有边界框?WNID= [WNID]

培训图像位于文件夹下,其名称为synset。验证图像都在同一文件夹中。测试图像也都在同一个文件夹中。

Imageset文件夹包含指定主本地化任务图像列表的文本文件。

loc_sample_submission.csv是提交文件的正确格式。它包含两列:

image id:测试图像的ID,例如ilsvrc2012_test_u0000000 1

PredictionString:预测字符串应该是由5个整数分隔的空格。例如,1000 240 170 260 240表示它的标签1000,带有坐标边界框(x_min、y_min、x_max、y_max)。我们最多接受5个预测。例如,如果您提交包含6个边界框的862 42 24 170 186 862 292 28 430 198 862 168 24 292 190 862 299 238 443 374 862 160 195 294 357 862 3 214 135 356,我们只考虑前5个。

loc_train_solution.csv和loc_val_solution.csv:这些信息已经在imagenet_object_localization.tar.gz中提供,但我们以csv格式提供这些信息,以与loc_sample_submission.csv一致。每个文件包含两列:

image id:列车/val图像的ID,例如n2017213 U 7894或ilsvrc2012 U val U 00048981

PredictionString:预测字符串是由5个整数分隔的空格。例如,n1978287 240 170 260 240表示其标签n1978287,带有坐标边界框(x_min、y_min、x_max、y_max)。重复边界框表示同一图像中的多个框:n0447861 248 177 417 332 n0447861 171 156 251 175 n044447861 24 133 115 254

loc_synset_mapping.txt:1000个synset id与其描述之间的映射。例如,行1表示n1440764 tench,tinca tinca表示这是类1,synset id为n1440764,它包含fish tench。

 

这篇关于mageNet Object Localization Challenge的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/896898

相关文章

【Python报错已解决】AttributeError: ‘list‘ object has no attribute ‘text‘

🎬 鸽芷咕:个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 文章目录 前言一、问题描述1.1 报错示例1.2 报错分析1.3 解决思路 二、解决方法2.1 方法一:检查属性名2.2 步骤二:访问列表元素的属性 三、其他解决方法四、总结 前言 在Python编程中,属性错误(At

error while loading shared libraries: libnuma.so.1: cannot open shared object file:

腾讯云CentOS,安装Mysql时: 1.yum remove libnuma.so.1 2.yum install numactl.x86_64

java基础总结12-面向对象8(Object类)

1 Object类介绍 Object类在JAVA里面是一个比较特殊的类,JAVA只支持单继承,子类只能从一个父类来继承,如果父类又是从另外一个父类继承过来,那他也只能有一个父类,父类再有父类,那也只能有一个,JAVA为了组织这个类组织得比较方便,它提供了一个最根上的类,相当于所有的类都是从这个类继承,这个类就叫Object。所以Object类是所有JAVA类的根基类,是所有JAVA类的老祖宗

王立平--Object-c

object-c通常写作objective-c或者obj-c,是根据C语言所衍生出来的语言,继承了C语言的特性,是扩充C的面向对象编程语言。它主要使用于MacOSX和GNUstep这两个使用OpenStep标准的系统,而在NeXTSTEP和OpenStep中它更是基本语言。Objective-C可以在gcc运作的系统写和编译,因为gcc含Objective-C的编译器。在MA

COD论文笔记 ECCV2024 Just a Hint: Point-Supervised Camouflaged Object Detection

这篇论文的主要动机、现有方法的不足、拟解决的问题、主要贡献和创新点: 1. 动机 伪装物体检测(Camouflaged Object Detection, COD)旨在检测隐藏在环境中的伪装物体,这是一个具有挑战性的任务。由于伪装物体与背景的细微差别和模糊的边界,手动标注像素级的物体非常耗时,例如每张图片可能需要 60 分钟来标注。因此,作者希望通过减少标注负担,提出了一种仅依赖“点标注”的弱

UVa1104/LA5131 Chips Challenge

UVa1104/LA5131 Chips Challenge 题目链接题意分析AC 代码上下界循环费用流版本优化建图版本 题目链接   本题是2011年icpc世界总决赛的D题 题意   在一个N×N(N≤40)网格里放芯片。其中一些格子已经放了芯片(用C表示),有些格子不能放(用/表示),有些空格子可以放或者不放芯片(用.表示)。还要放一些芯片(用W表示),使得第i行的总

COD论文笔记 Adaptive Guidance Learning for Camouflaged Object Detection

论文的主要动机、现有方法的不足、拟解决的问题、主要贡献和创新点如下: 动机: 论文的核心动机是解决伪装目标检测(COD)中的挑战性任务。伪装目标检测旨在识别和分割那些在视觉上与周围环境高度相似的目标,这对于计算机视觉来说是非常困难的任务。尽管深度学习方法在该领域取得了一定进展,但现有方法仍面临有效分离目标和背景的难题,尤其是在伪装目标与背景特征高度相似的情况下。 现有方法的不足之处: 过于

《Zero-Shot Object Counting》CVPR2023

摘要 论文提出了一种新的计数设置,称为零样本对象计数(Zero-Shot Object Counting, ZSC),旨在测试时对任意类别的对象实例进行计数,而只需在测试时提供类别名称。现有的类无关计数方法需要人类标注的示例作为输入,这在许多实际应用中是不切实际的。ZSC方法不依赖于人类标注者,可以自动操作。研究者们提出了一种方法,可以从类别名称开始,准确识别出最佳的图像块(patches),用

sqlplus: error while loading shared libraries: libnsl.so.1: cannot open shared object file: No such

在Zabbix Server服务器上安装oracle-instantclient11.2后,结果使用sqlplus命令时遇到“sqlplus: error while loading shared libraries: libnsl.so.1: cannot open shared object file: No such file or directory“错误,下面总结一下解决过程。

Object::connect: No such slot

信号槽出现这样的问题一定要注意以下几点: ThreadFromQThread work_download ; QObject::connect(this, SIGNAL(send_down_sig(int)),\ &work_download, SLOT(recv_down_info(int))); 注意槽函数仅仅是填