61
правка
Изменения
→ICDAR
[[Файл:CelebA.jpg|мини|Рисунок 19. Пример изображений из CelebA [http://mmlab.ie.cuhk.edu.hk/projects/CelebA/overview.png Оригинал]]]
===Описание===
CelebA (англ. CelebFaces Attributes Dataset) {{---}} это крупномасштабный набор данных атрибутов лиц, содержащий более 200 тысяч изображений знаменитостей (см. рис. 19). Изображения в этом наборе данных охватывают большие вариации поз и беспорядок на фонелица людей с разных ракурсов. Изображения в CelebA имеет имеют большое разнообразие, большое количество и богатые аннотации: 10 177 уникальных личностей, 202 599 изображений лиц и 5 ориентиров, 40 бинарных аннотаций атрибутов на изображение. Эти данные были первоначально собраны исследователями из MMLAB<ref>http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html[http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html]</ref>, Китайского университета Гонконга.
Набор данных можно использовать в качестве обучающих и тестовых наборов для следующих задач [[Компьютерное зрение|компьютерного зрения]]: распознавание атрибутов лица, обнаружение лиц и локализация ориентиров (или части лица).
===Пример атрибутов===
Ниже приведен пример некоторых список бинарных атрибутов в CelebA, где отдельный атрибут {{---}} одна из характеристик лица. Оригинал примера доступен [https://towardsdatascience.com/celeba-attribute-prediction-and-clustering-with-keras-3d148063098d здесь].
Более подробно со всеми атрибутами можно ознакомиться [https://www.tensorflow.org/datasets/catalog/celeb_a здесь]
==CityScapes==
===Результаты===
Основной метрикой для этого набора данных является [[Оценка качества в задаче кластеризации#Индекс Жаккара (англ. Jaccard Index)|индекс Жаккара]]. Также, хорошо известно, что глобальная мера [[Оценка качества в задаче кластеризации#Индекс Жаккара (англ. Jaccard Index)|индекс индекса Жаккара]] смещена в сторону экземпляров объектов, которые покрывают большую область изображения. В уличных сценах с их сильным изменением масштаба это может быть проблематично.Чтобы решить эту проблему, создатели датасета дополнительно оценивают семантическую маркировку, используя метрику пересечения по объединению на уровне экземпляра {{---}}<math>
iIoU = \dfrac{iTP}{iTP + FP + iFN}
</math>, где <math>iTP</math>, <math>FP</math> и <math>iFN</math> обозначают количество истинно положительных, ложноположительных и ложно отрицательных пикселей соответственно. Сейчас лучшей нейронной сетью для этого набора данных в задаче семантической сегментации данных является [https://www.cityscapes-dataset.com/benchmarks/#scene-labeling-task DAHUA-ARI], которая позволяет достичь индекс Жаккара 85.8% и iIoU 70.6% для классов, индекс Жаккара 93.2% и iIoU 85.4% для категорий, соответственно.
==ICDAR==
===ICDAR 2013===
'''ICDAR 2013 "Born Digital Images"''' {{---}} датасет, который содержит изображения, извлеченные с веб-страниц и сообщений электронной почты. Текст на изображениях на английском языке. Датасет предназначен для следующих задач оптического распознавани символов: обнаружение текста, сегментация текста, распознавание символов.
'''ICDAR 2013 "Focused Scene Text"''' {{---}} датасет c изображениями с текстом на вывесках, логотипах и так далее. Текст на изображениях на английском языке. Датасет предназначен для следующих задач оптического распознавани символов: обнаружение текста, сегментация текста, распознавание символов.
{| class="wikitable"
|-
! Наименование датасета
! Количество объектов
! Количество обучающих объектов
! Количество обучающих слов
! Количество тестовых слов
|-
| ICDAR 2013 "Born Digital Images"
| 561
| 420
| 3564
| 1439
|-
| ICDAR 2013 "Focused Scene Text"
| 462
| 229
| 848
| 1095
|}
{|align="center"
|-valign="top"
|[[Файл:ICDARBDI.png |600px|thumb|ICDAR "Born Digital Images". [https://arxiv.org/pdf/1812.05219.pdf Источник]]]
|}
{|align="center"
|-valign="top"
|[[Файл:ICDARFST.png |600px|thumb|ICDAR "Focused Scene Text". [https://arxiv.org/pdf/1812.05219.pdf Источник]]]
|}
===ICDAR 2015===
'''ICDAR 2015 "Born Digital Images"''' {{---}} датасет, который содержит изображения, извлеченные с веб-страниц и сообщений электронной почты. Текст на изображениях на английском языке. Датасет предназначен для следующих задач оптического распознавани символов: обнаружение текста, сегментация текста, распознавание символов, сквозное распознавание .
'''ICDAR 2013 "Focused Scene Text"''' {{---}} датасет c изображениями с текстом на вывесках, логотипах и так далее. Текст на изображениях на английском языке. Датасет предназначен для следующих задач оптического распознавани символов: обнаружение текста, сегментация текста, распознавание символов , сквозное распознавание.
'''ICDAR 2015 "Incidental Scene Text"''' {{---}} датасет c изображениями, на которых текст попал в поле зрения камеры Google Glass случайно<ref>https://rrc.cvc.uab.es/?ch=4</ref>. Текст на изображениях на английском языке. Датасет предназначен для следующих задач оптического распознавани символов: обнаружение текста, сегментация текста, распознавание символов , сквозное распознавание.
{| class="wikitable"
|-
! Наименование датасета
! Количество объектов
! Количество обучающих объектов
! Количество обучающих слов
! Количество тестовых слов
|-
| ICDAR 2015 "Born Digital Images"
| 561
| 420
| 3564
| 1439
|-
| ICDAR 2015 "Focused Scene Text"
| 462
| 229
| 848
| 1095
|-
| ICDAR 2015 "Incidental Scene Text"
| 1670 (1500 публичных)
| 1000
| -
| -
|}
{|align="center"
|-valign="top"
|[[Файл:ICDARIST.png |600px|thumb|ICDAR "Incidental Scene Text". [https://arxiv.org/pdf/1812.05219.pdf Источник]]]
|}
===ICDAR 2017===
'''ICDAR 2017 "COCO-Text"''' {{---}} набор данных, основанный на датасете "MS COCO"<ref>https://vision.cornell.edu/se3/wp-content/uploads/2019/01/ICDAR2017b.pdf</ref>, где собраны обычные изображения ежедневных сцен, на которых, возможно, есть текст. Текст на изображениях на английском, немецком, французском и других языках. Датасет предназначен для следующих задач оптического распознавани символов: обнаружение текста, распознавание символов , сквозное распознавание.
'''ICDAR 2017 "Multi-lingual Scene Text"''' {{---}} набор данных, где собраны изображения с текстом на 9 языках. Текст на изображениях на арабском, английском, немецком, бенгальском, китайском, японском, французском, корейском языках. Датасет предназначен для следующих задач оптического распознавани символов: обнаружение текста, сегментация текста.
'''ICDAR 2017 "French Street Name Signs"''' {{---}} набор данных с изображениями, на которых есть названия французских улиц. Текст на изображениях на французском языке. Датасет предназначен для следующих задач оптического распознавани символов: сквозное распознавание.
{| class="wikitable"
|-
! Наименование датасета
! Количество объектов
! Количество обучающих объектов
! Количество обучающих слов
! Количество тестовых слов
|-
| ICDAR 2017 "COCO-Text"
| 63686
| 43686
| -
| -
|-
| ICDAR 2017 "Multi-lingual Scene Text"
| 18 000
| -
| -
| -
|-
| ICDAR 2017 "French Street Name Signs"
| 1 081 422, где каждое изображение содержит до 4 объектов с названией улицы
| -
| -
| -
|}
{|align="center"
|-valign="top"
|[[Файл:ICDARCOCO.png |600px|thumb|ICDAR "COCO-Text". [https://arxiv.org/pdf/1812.05219.pdf Источник]]]
|}
{|align="center"
|-valign="top"
|[[Файл:ICDARMSTD.png |600px|thumb|ICDAR "Multi-lingual Scene Text". [https://arxiv.org/pdf/1812.05219.pdf Источник]]]
|}
{|align="center"
|-valign="top"
|[[Файл:ICDARFS.png |600px|thumb|ICDAR "French Street Name Signs". [https://arxiv.org/pdf/1812.05219.pdf Источник]]]
|}
===ICDAR 2019===
'''ICDAR 2019 "COCO-Text"''' {{---}} набор данных, основанный на датасете "MS COCO"<ref>https://vision.cornell.edu/se3/wp-content/uploads/2019/01/ICDAR2017b.pdf</ref>, где собраны обычные изображения ежедневных сцен, на которых, возможно, есть текст. Текст на изображениях на английском, немецком, французском и других языках. Датасет предназначен для следующих задач оптического распознавани символов: сквозное распознавание.
'''ICDAR 2019 "Multi-lingual Scene Text"''' {{---}} набор данных, где собраны изображения с текстом на 10 языках. Текст на изображениях на арабском, английском, деванагари, немецком, бенгальском, китайском, японском, французском, корейском языках. Датасет предназначен для следующих задач оптического распознавани символов: обнаружение текста, идентификация скрипта, сквозное распознавание.
'''ICDAR 2019 "Scene Text Visual Question Answering"''' {{---}} набор данных, включающий 23 038 изображений с 31 791 парой вопросов и ответов, где ответ всегда основан на присутствующих текстовых экземплярах на изображении. Текст на изображениях на янглийском языке. Датасет предназначен для следующих задач оптического распознавани символов: ответ на вопрос, связанный с изображением.
{| class="wikitable"
|-
! Наименование датасета
! Количество объектов
! Количество обучающих объектов
! Количество обучающих слов
! Количество тестовых слов
|-
| ICDAR 2019 "COCO-Text"
| 63686
| 43686
| -
| -
|-
| ICDAR 2019 "Multi-lingual Scene Text"<ref>https://arxiv.org/pdf/1907.00945.pdf</ref>
| 20 000 (2 000 для каждого языка) + 277 000 сгенерированных изображения
| 10 000
| -
| -
|-
| ICDAR 2019 "Scene Text Visual Question Answering"
| набор данных, включающий23 038 изображений с 31 791 парой вопросов и ответов,где ответ всегда основан на присутствующих текстовых экземплярахна изображении.
| -
| -
| -
| -
|}
{|align="center"
|-valign="top"
|[[Файл:ICDAR2019Sample.png |600px|thumb|Рисунок 23. Сэмпл из датасета ICDAR 2019 "Scene Text Visual Question Answering"]]
|}
==Pointing'04==