For investors
股价:
5.36 美元 %For investors
股价:
5.36 美元 %认真做教育 专心促就业
图像分类技术在过去几年中取得了显著的进步,这在一定程度上体现在Imagenet 分类挑战上,机器的误差率每年都在大幅下降。
为了继续推进计算机视觉技术的先进水平,许多研究人员现在更多地关注细粒度和实例级的识别问题,而不是识别一般实体,如建筑物、山脉,当然还有猫,许多人正在设计能够识别埃菲尔铁塔、富士山或波斯猫的机器学习算法。
然而,这一领域研究的一个重大障碍是缺乏大量带注释的数据集。
而就在今天,谷歌在其官方博客宣布,发布 Google-Landmarks 数据集来推进实例级的识别,这也是世界上最大的人工和自然地标识别数据集。
Google-Landmarks 将作为 Kaggle 网站上地标识别和地标检索挑战发布,这将是 CVPR 18 地标研讨会的重点。
该数据集包含二百万多幅图像,描绘了来自世界各地的三万处独特的地标,数据集类别的数量比常用的数据集大 30 倍。此外,为了促进这一领域的研究,我们是开源的深度本地特征( DELF ),我们认为这是一种非常好的本地特征描述方法,特别适合于这类任务。
地标识别与其他问题有一些显著的区别。例如,即使在大型带标注的数据集中,对于一些不太热门的地标,也可能没有太多的训练数据。此外,由于地标通常是不动的物体,所以内部变化很小(换句话说,地标的外观在不同的图像中变化不大)。
因此,变化只会由于图像捕获条件而产生,如遮挡、不同的视角、天气和光照,这与其他图像识别数据集不同,其中特定类别的图像(如狗)的变化可能更大。这些特征也与其他实例级识别问题(如艺术品识别)有共同之处,
因此,谷歌希望这个新的数据集也能对其他图像识别问题的研究有所帮助。
这两项 Kaggle 挑战将为研究人员解决这些问题提供了获取带标注的数据的途径。 识别轨迹挑战是在测试集中建立识别正确地标的模型,而检索挑战则要求参与者检索包含相同地标的图像。 通过 Kaggle 网站就能访问到这个新的数据集。
IT开发作为2018有前景的行业,很多人都在毕业之后先选择了这个行业。世界互联网大会给了人们巨大的希望,面对这个万人过独木桥的情景,我们更应该尽早的武装好自己。达内时代科技集团致力于培养几大方向中高端软件人才课程与少儿教育课程。合肥IT培训助你一臂之力,更多免费训练营让你从零起步。
【免责声明】本文系本网编辑部分转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与管理员联系,我们会予以更改或删除相关文章,以保证您的权益!