May, 2017

WebVision 挑战赛：基于网络数据的视觉学习与理解

PDF
TL;DR2017 年 WebVision 挑战赛，旨在提供一组无需人工标记的互联网图像数据集和公开竞赛。数据集中包含超过 240 万张使用 ILSVRC 2012 语义概念生成的查询的互联网图像，用于在 WebVision 测试集上进行图像分类和在 PASCAL VOC 2012 数据集上进行迁移学习的任务。本文描述了数据收集与注释的详细信息、数据集的特点以及评估指标。
发现论文，激发创造
  • WebVision 数据库：从网络数据中进行视觉学习和理解

    本研究基于收集自网络的大规模嘈杂数据对学习视觉识别模型进行了探究。我们构建了一个名为 WebVision 的新数据库，其中包含了超过 240 万张与 ILSVRC 2012 基准数据集的 1,000 个语义概念相关的查询生成的网络图像，并收集了元信息（例如标题，描述，标签等）。通过这个数据库，我们发现网络图像可以用于训练良好的深度 CNN 模型，且该模型的泛化能力甚至优于 ILSVRC 2012 数据集训练的模型。此外，我们也发现了一个数据集偏见问题，即在视觉领域自适应方面存在一些问题。这个新的 WebVision 数据库及其相关研究对于利用网络数据最小化监督学习最先进的视觉模型具有重要的价值。

    Aug, 2017

  • 从互联网提取视觉知识：理解图像数据

    本研究针对视觉识别技术中的特征表示、学习算法和标记的训练数据进行了探究，提出了一种基于网络监督的自动图像数据生成方法，以实现对大量视觉概念的高效训练和识别。在 Pascal VOC 2007 数据集上对该方法进行了测试，并取得了明显的优越性能。

    Jun, 2019

  • ImageNet 大规模视觉识别挑战赛

    本研究介绍了 ImageNet Large Scale Visual Recognition Challenge 数据集的创建及在对象识别方面的进展，强调了收集大规模地面真实注释的挑战，分析了大规模图像分类和目标检测领域的现状，并将最先进的计算机视觉准确性与人类准确性进行了比较。最后总结了挑战五年来的经验教训，并提出了未来方向和改进措施。

    Sep, 2014

  • 卷积网络的网络监督学习

    本文提出了一种使用大量网络数据来学习 CNN 的方法。具体地，我们利用了课程学习的思想，提出了一种 CNN 训练的两步方法，表现优异且鲁棒性强。我们使用这种方法在 VOC 2007 上实现了最佳性能，并在其中演示了网络监督学习的强大功能。

    May, 2015

  • VISION 数据集：基于视觉的工业检测基准测试

    通过引入 VISION 数据集，我们希望为实现基于视觉的工业检测的进一步提高带来新的挑战和方法。

    Jun, 2023

  • 盲人拍摄的图像字幕

    通过观察实际用户的需求，作者介绍了第一个适合盲人用户需求的图像说明数据集，检验数据集特征并比较其和其他数据集的不同，同时研究最新的图像说明算法在如此数据集中的挑战。

    Feb, 2020

  • 视觉领域适应挑战

    本篇论文介绍了 2017 年度视觉领域自适应（Visual Domain Adaptation, VisDA）数据集及竞赛，是一种用于跨视觉领域无监督领域自适应的大型测试平台，主要包含图像分类和图像分割两个任务。该数据集是迄今为止最大的跨领域对象分类数据集，涵盖了 12 个类别，共 280,000 多张图像。同时，该数据集还包含超过 30K 图像的图像分割数据集。

    Oct, 2017

  • 通用视觉模型的网络监督概念扩展

    本文介绍了一种有效且廉价的方法：利用监督数据集学习技能，利用网络图像搜索学习概念，再利用 GPV 跨技能传递视觉知识，以实现 web-based 的概念扩展；同时，提出了支持各种任务的新架构 GPV-2，在多项基准测试中表现优异。

    Feb, 2022

  • ChessVision -- 逻辑连贯多标签分类的数据集

    我们介绍了一个数据集，命名为 ChessVision 数据集，其中包含 200,000 + 张带有注释的象棋游戏进行中的图像，需要从图像中重新创建游戏状态，并附带一套约束以确保产生 “合理” 的游戏状态，同时还提出了用于衡量逻辑一致性的附加指标。通过对该任务进行分析，我们发现现有的视觉模型在标准指标上表现可观，但产生了大量不连贯的结果，这表明此数据集对未来研究提出了重大挑战。

    Nov, 2023

  • CurriculumNet: 大规模网络图像弱监督学习

    该论文提出了一种基于课程学习的弱监督学习方法，通过对大规模网络图像数据进行无人工标注的深度神经网络训练，实现对大量噪声数据和数据分布不均等问题的有效处理和噪声标签的负面影响的显著降低，构建一种新的课程学习架构，使得使用高噪声标签的图像作为一种正则化策略可以惊人地提高模型的泛化能力，在 WebVision、ImageNet、Clothing-1M 和 Food-101 等四个基准测试中取得了最先进的性能，多模型集成的结果在 1000 种类别分类中取得了 5.2% 的 top-5 错误率，相对误差率超过 50%。

    Aug, 2018