标签:10 有意思 set 项目 记录 超类 图像 伪装 标注
伪装物体检测 2020.12.3
(Camouflaged Object Detection,COD)
GitHub: https://github.com/DengPingFan/SINet/
数据集链接:https://mmcheng.net/cod/
COD10K 数据集 10,000张 78个类别 自然场景 抠图级标注
training set: 6000张 test set: 4000张
伪装图像: 自然伪装和人工伪装(如产品缺陷检测)
应用:搜索与救援工作,或寻找稀有物种;医学图像分析领域——如息肉分割、肺炎分割;农业领域——如蝗虫入侵监控;艺术领域(用于真实感图像融合或艺术消遣 )
-
对待新问题,评估指标的选择:
平均绝对误差MAE——>错误的出现和数量
错误出现的位置(整体和局部的考虑)
结构相似性 -
对待新问题,新数据集的构造
图像收集: 5,066 张伪装图像,3,000 张背景图像,1,934 张无伪装的图像
包含 10 个超类和 78 个子类(69 个伪装类,9 个非伪装类)
图像选择方案:… 参考Places: A 10 million image database for scene recognition
专业标注: 创建大规模数据集时,建立分类系统至关重要——分层标注
(属性定义——量化)
数据集信息的统计分析:
通用: 物体大小分布、超类和子类的分布、分辨率分布、标注质量控制
特定: 全局/局部对比度、中心偏见
网络:…
标签:10,有意思,set,项目,记录,超类,图像,伪装,标注 来源: https://blog.csdn.net/APAN1013/article/details/110573849
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。