Перейти к содержимому

Roboflow 100 Dataset

Roboflow 100, разработанный Roboflow и спонсируемая Intel, - это революционный бенчмарк для обнаружения объектов. Он включает в себя 100 разнообразных наборов данных, отобранных из более чем 90 000 публичных наборов данных. Этот бенчмарк предназначен для проверки адаптивности моделей к различным областям, включая здравоохранение, аэрофотосъемку и видеоигры.

Roboflow 100 Обзор

Основные характеристики

  • Включает в себя 100 наборов данных по семи доменам: Аэро-, видеоигры, микроскопический, подводный, документы, электромагнитный и реальный мир.
  • В бенчмарк вошли 224 714 изображений 805 классов, благодаря более чем 11 170 часам работы по маркировке.
  • Все изображения изменены до размера 640х640 пикселей, при этом особое внимание уделяется устранению двусмысленности классов и отсеиванию недопредставленных классов.
  • Аннотации включают ограничительные рамки для объектов, что делает его подходящим для обучения и оценки моделей обнаружения объектов.

Структура набора данных

Набор данных Roboflow 100 разбит на семь категорий, каждая из которых имеет свой набор наборов данных, изображений и классов:

  • Аэрофотосъемка: Состоит из 7 наборов данных, включающих в общей сложности 9 683 изображения, которые охватывают 24 различных класса.
  • Видеоигры: Включает 7 наборов данных, в которых представлено 11 579 изображений 88 классов.
  • Микроскопический: Состоит из 11 наборов данных с 13 378 изображениями, охватывающими 28 классов.
  • Подводный мир: Содержит 5 наборов данных, охватывающих 18 003 изображения в 39 классах.
  • Документы: Состоит из 8 наборов данных с 24 813 изображениями, разделенными на 90 классов.
  • Электромагнитный: Состоит из 12 наборов данных, в общей сложности 36 381 изображение в 41 классе.
  • Реальный мир: Самая большая категория с 50 наборами данных, предлагающими 110 615 изображений, относящихся к 495 классам.

Такая структура позволяет создать разнообразный и обширный полигон для тестирования моделей обнаружения объектов, отражающий реальные сценарии применения.

Приложения

Roboflow 100 неоценим для различных приложений, связанных с компьютерным зрением и глубоким обучением. Исследователи и инженеры могут использовать этот бенчмарк, чтобы:

  • Оценивай производительность моделей обнаружения объектов в многодоменном контексте.
  • Проверь адаптивность моделей к реальным сценариям, выходящим за рамки обычного распознавания объектов.
  • Проверь возможности моделей обнаружения объектов на различных наборах данных, в том числе в здравоохранении, аэрофотосъемке и видеоиграх.

Чтобы найти больше идей и вдохновения для реального применения, обязательно ознакомься с нашими руководствами по реальным проектам.

Использование

Набор данных Roboflow 100 доступен на GitHub и Roboflow Universe.

Ты можешь получить доступ к нему прямо из репозитория Roboflow 100 GitHub. Кроме того, на сайте Roboflow Universe у тебя есть возможность скачать отдельные наборы данных, просто нажав на кнопку экспорта в каждом наборе.

Образцы данных и аннотации

Roboflow 100 состоит из наборов данных с разнообразными изображениями и видео, снятыми с разных ракурсов и в разных областях. Вот примеры аннотированных изображений в бенчмарке RF100.

Образцы данных и аннотации

Разнообразие в бенчмарке Roboflow 100, которое можно увидеть выше, - это значительное продвижение по сравнению с традиционными бенчмарками, которые часто фокусируются на оптимизации одной метрики в ограниченной области.

Цитаты и благодарности

Если ты используешь набор данных Roboflow 100 в своих исследованиях или разработках, пожалуйста, ссылайся на следующую статью:

@misc{2211.13523,
    Author = {Floriana Ciaglia and Francesco Saverio Zuppichini and Paul Guerrie and Mark McQuade and Jacob Solawetz},
    Title = {Roboflow 100: A Rich, Multi-Domain Object Detection Benchmark},
    Eprint = {arXiv:2211.13523},
}

Мы благодарим команду Roboflow и всех участников за их тяжелый труд по созданию и поддержанию набора данных Roboflow 100.

Если тебе интересно изучить больше наборов данных, чтобы улучшить свои проекты по обнаружению объектов и машинному обучению, не стесняйся посетить нашу обширную коллекцию наборов данных.



Создано 2024-02-07, Обновлено 2024-02-07
Авторы: abirami-vina (1)

Комментарии