Dataset.

Slides:



Advertisements
Similar presentations
データベースと情報検索 情報検索(2) メディア検索エンジンを使っ てみる 岩村 雅一. 日程(情報検索:担当 岩村)  12/9 検索エンジンを使ってみる  12/16 メディア検索を使ってみる  12/25 ウェブアプリケーションを 使ってみる  1/9 検索エンジンを用いた演習  1/20.
Advertisements

高度情報演習 1A “ テーマC ” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 芝浦工業大学 工学部 情報工学科 青木 義満 2006/04/10.
CV-Reading Describing Objects by their Attributes 山内悠嗣.
顔表情クラスタリングによる 映像コンテンツへのタギング
静止画ファイル形式 小林 康三.
D&UNITE 株式会社 代表取締役 株式会社 T-Planning 取締役 Microsoft MVP for ASP.NET/IIS
本日のスケジュール 14:45~15:30 テキストの講義 15:30~16:15 設計レビュー 16:15~16:30 休憩
Building text features for object image classification
Learning Appearance in Virtual Scenarios for Pedestrian Detection
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第四回 演習課題 画像中からの物体抽出処理(背景情報を手がかりとして) 芝浦工業大学 工学部 情報工学科 青木 義満 2006/05/15.
「わかりやすいパターン認識」 第1章:パターン認識とは
Deep learningによる 読唇システム
画像処理論.
技術トピックス 2015/03.
SSR 論文調査 Safety and Cyber-Physical Systems
クイズ 「インターネットを使う前に」 ネチケット(情報モラル)について学ぼう.
Paper from PVLDB vol.7 (To appear in VLDB 2014)
八王子にある、ちょっと変わった印刷会社のお話し
雑音重み推定と音声 GMMを用いた雑音除去
TextonBoost:Joint Appearance, Shape and Context Modeling for Multi-Class Object Recognition and Segmentation 伊原有仁.
ONLINE植物アルバム 運営のサポート 情報数理専攻   D8691 根本亜由美 1.
Generic Object Recognition
Yuri Y. Boykov Marie-Pierre Jolly
Air Pen -- an introduction of my recent result --
高度情報演習1C 実践 画像処理プログラミング
長岡技科大オープンハウス 岐阜高専4年電子制御工学科 森 永二郎.
Semantic Web 輪読会 2005年12月20日 濱崎雅弘 産業技術総合研究所
携帯ゲーム機の進化 情報モラル研修 ~Nintendo3DSを例に~
識別子の命名支援を目的とした動詞-目的語関係の辞書構築
大域的特徴としてBoFを導入した CRFによる一般物体認識
MVP for VB が語る C# 入門 初音 玲.
MVP for VB が語る C# 入門 初音 玲.
ビデオデータベース.
Songzhu Gao, Tetsuya Takiguchi, Yasuo Ariki (Kobe University) 
情報検索(6) メディア検索の仕組み 教員 岩村 雅一
深層学習を用いた音声認識システム 工学部 電気電子工学科 白井研究室 T213069 林健吉.
中京大学 工学部 電気電子工学科 白井研究室 4年 T 為房直人
予測に用いる数学 2004/05/07 ide.
携帯ゲーム機の進化 情報モラル研修 ~Nintendo3DSを例に~
ゲームの秘密を探ろう 第1時 小学校 学年 ひみつ さぐ ぼくはミクシって いうんだ。 いっしょにゲームのことかんがえようね
端末およびサービス透過的な 情報閲覧支援システムの構築
複数特徴量の重み付け統合による一般物体認識
FACS(Facial Action Coding System)
物体検出による視覚補助システム T215085 若松大仁 白井研究室.
Nightmare at Test Time: Robust Learning by Feature Deletion
The Revival Of The Computer
論文紹介: “Joint Embedding of Words and Labels for Text Classification”
Google Mapsを使っての観光地案内の提案
Wavelet係数の局所テクスチャ特徴量を用いたGraph Cutsによる画像セグメンテーション
2007年度 長岡オープンハウス クロマキー合成 小山高専 電子制御工学科4年                       針谷 尚裕.
ダスキン サービスマスターの仕事 清潔で快適な環境づくりのお手伝い! 業務向け もっと たくさんある
Data Clustering: A Review
ブースティングとキーワードフィルタリング によるシステム要求検出
距離空間ピラミッドを用いた LLCによる3次元物体認識
今日は広告のポスターを調べます。.
時間連続性を考慮した 動画からの人物の姿勢推定
Le Lu, Rene Vidal John Hopkins University (担当:猪口)
情報モラル ③フィルタリング スライド資料 D3 ~正しくフィルタリングを知るために~ 兵庫県版研修プログラム
顔認識を用いた居眠り運転防止システム 白井研究室 T 山本大介
  情報に関する技術       情報モラル授業   .
情報の授業 アプリ等を活用した勉強方法の改善(計画) ・R-PDCAサイクル ・アプリを活用した勉強方法の改善 計画書
Googleマップを活用した 生物調査データベースの構築
ICML読む会資料 (鹿島担当) 教師ナシ の 構造→構造 マッピング 読んだ論文: Discriminative Unsupervised Learning of Structured Predictors Linli Xu (U. Waterloo) , … , Dale Schuurmans.
情報検索(4) 検索エンジンを用いた演習 教員 岩村 雅一
情報ネットワークと コミュニケーション 数学領域3回 山本・野地.
Deep learning practical experiment for recognition
タ バ コ これは何ですか。 タバコです。 タバコは体にいいものですか。悪いものですか。 (悪いものです。)
いじめは決して許されるものではありません。 ネットいじめにあった場合は大人に相談しましょう。
人物再識別システムの 試作と評価 飯塚 敦志.
グラフ-ベクトル変換を用いたグラフ構造表現による一般物体認識
Presentation transcript:

Dataset

世の中のComputer Visionデータセット 利用 ベンチマークとして? リソースとして? 分野 動画?Or 静止画? 物体認識 シーン認識 物体検出 顔認識 ....

利用目的 ベンチマーク 自分の手法の正当性を主張 他の方法との比較が可能

利用目的 ベンチマーク Genericなカテゴリをカバー Caltech101,256 PASCAL2 VOC Challenge MSRC dataset ETH-80 COIL-100 Graz02 UIUC object recognition database MIT objects and scenes And more

利用目的 ベンチマーク Specificなカテゴリ Oxford Building Dataset Oxford flowers Dataset Caltech cars UIUC Dataset Car, butterfly, 3D object, bird MIT face, car dataset Scene dataset INRIA-holidays, UIUC 15 scenes …. And more

利用目的 ベンチマーク Generic Specific クラス数はどのくらいか どのレベルでの認識か そのクラスの特徴は? 特化したclassifier Car, faceが多い

利用目的 リソース 大量のデータをもってくる ラベル,タグ付けされているデータがほしい

利用目的 リソース Label Me Tiny Image Image Net Lotus Hill Database Amazon mechanical turk ESP game reuters

分野 画像分類,認識(classify, recognition) 物体検出(detection) 領域分割(segmentation) 物体,シーン,顔,人物,行動,アクティビティ 物体検出(detection) Bounding boxによる位置特定 領域分割(segmentation)

分野 Classification, (Recognition) 注目する物体がメインに写っている(一部怪しげ) そのGround truthが示されている Caltech101,256 PASCAL2 VOC Challenge MRSC dataset ETH-80 COIL-100 Scene dataset Car , face dataset

分野 Detection 物体のあるなしだけでなく位置の特定 Label Me MIT StreetScenes challenge framework MIT object and scenes dataset Daimler pedestrian detection benchmark Caltech pedestrian dataset PASCAL VOC Challenge

分野 Segmentation 領域の分割 Berkeley Segmentation Data Set UCI Statlog dataset

Caltech101, 256 最も良く知られたclassification用Dataset クラスが多め,ぱっと見認識が難しそう 物体認識というよりはシーン認識も含む?

MSRC dataset Microsoft Research Cambridge Object Recognition Image Database これもよく使われています 数えてませんが20~30クラス程度,割と良心的?

PASCAL VOC Challenge Visual Object Class Challenge 様々なタスク(分野)からのデータセットを作ってみんなで競う(Workshopもあるよ)

MIT objects and scenes Recognition, detection用(107classesだが) 領域ごとの正解が示されている(partially annoted) JointBoostingで使ってるdata?

Graz02 カテゴリ数は少なめ(3class+negative) 多様な物体の見え方の変化(occlusion, viewpoint)

UIUC dataset UIUCのデータセットはたくさんあります 3D, birds, butterfly, scene(8, 6, 7, 15 classes) Specificなデータが多い 3次元での認識が多め?

ETH 80 これも一昔前によく使われていた(あんまり最近の論文では見ないような…) 80枚の画像

COIL 20, 100 Columbia Object Image Library 井上がよく知っているのではないでしょうか これも少し古い?

Oxford dataset Building(柏木がよく知ってるでしょう) Flower 論文読みました.かなりspecific

Indoor Scene Recognition 67Indoor classes, 15620 images

INRIA Holiday dataset 500 classes(queries), 1491 images

Label Me たくさん正解のラベルづけするのは大変なのでみんなで頑張ってやりましょう データを使いたかったらいくつかラベリングしてね Mechanical turk でお小遣いももらえます

Label Me ベンチマーク Train in Spain and test in the rest of the world 6万近くのデータがありそう セグメントでも使える 8 scene categories and 29000 annotated objects 単にobject数だけならかなり多い

Tiny Image 80,000,000画像を使って53,464の英名詞を表現(英名詞はGoogleから) それぞれがvisual word, 平均画像(32*32) ラベリングにご協力ください(label me)

Tiny Image Word Netのハイエラキを利用 言葉の階層関係の研究をしているWordNet Researchにデータベースがある

Image Net こちらもWordNetをもとに画像での階層関係を構築している 現時点ではカテゴリに偏りがある(と思う) ~105+ nodes ~108+ images shepherd dog, sheep dog German shepherd collie animal

Lotus Hill Dataset 10,000,000近くの画像 使えるのかどうかがわかりません 物体のパーツ分解も行っている 階層関係あり,最大級のannotated databaseを目指す 使えるのかどうかがわかりません 物体のパーツ分解も行っている

Amazon Mechanical Turk 人的タスクならネット上でアルバイトをやってもらいましょう

ESP game タグ付けゲーム やってみようかと思いましたがアカウント作成が面倒だったのでやめました 結果(タグ付きデータ)を得ることができるのかはわかりません.たぶん無理でしょう

reuters 高画質な写真を買えます