Select Language

AI社区

公开数据集

Visual Genome 图像及图像内容语义信息的数据集

Visual Genome 图像及图像内容语义信息的数据集

14.94G
801 浏览
0 喜欢
0 次下载
0 条讨论
CNN 2D Box

Visual Genome是一个数据集,一个知识库,一个将结构化图像概念连接到语言的持续努力。VisualGenome数据集是Stanford大学维护的......

数据结构 ? 14.94G

    README.md

    Visual Genome是一个数据集,一个知识库,一个将结构化图像概念连接到语言的持续努力。 Visual Genome 数据集是Stanford 大学维护的图像及图像内容语义信息的数据集,相比于著名的 ImageNet 图像标注数据集(也由Stanford大学维护),Visual Genome 附加了更为丰富的语义信息,用以拓展更加丰富的基于图像及语义信息的人工智能应用。目前包括108249 张图片、420 万区域内容描述(Region Descriptions)、170 万图像内容问答(Visual Question Answers)、210 万对象案例(Object Instances)、180 万属性(Attributes)、180 万关系(Relationships)。


    Visual Genome 数据集总览:

    • 108077 张图片

    • 5.4 Million Region Descriptions

    • 1.7 Million Visual Question Answers

    • 3.8 Million Object Instances

    • 2.8 Million Attributes

    • 2.3 Million Relationships

    • Everything Mapped to Wordnet Synsets


    • 标注数据:

      objects,attributes,图片内的 relationships

    • 共 108K 张图片,每张图片平均有, 35 个 objects,26 个 attributes,21对 objects 见的成对 relationships.

    这里写图片描述
    这里写图片描述

    1. Visual Genome 数据标注

    数据集主要包括七个主要部分:

    • region descriptions

    • objects

    • attributes

    • relationships

    • region graphs

    • scene graphs

    • question answer pairs

    1.1. Region Descriptions

    这里写图片描述

    数据集标注了图片的 regions descriptions,每个 region 有一个 bounding box.

    如上图中,图片有三个 regions descriptions: “man jumping over a fire hydrant,”,“yellow fire hydrant,” 和
    “woman in shorts is standing behind the man.”.

    1.2. Objects

    数据集中每张图片平均有 35 个 objects,每个 object 采用 bounding box 标注.

    如图:
    这里写图片描述

    MS-COCO 数据集 只标注了 80 个 object categories,没有描述图片中的所有 objects. 实际场景中,可能有更多的 objects 类别.

    Visual Genome 数据集旨在对图片里出现的所有视觉 objects 进行标注,objects categories 类别达到 33877 种.

    1.3. Attributes

    数据集中每张图片平均有 26 个 attributes. Objects 可能没有或者有更多的相关 attributes.

    Attributes 可以是 color(如 yellow),states(如 standing) 等,如图:
    这里写图片描述

    Attributes 能够对 objects 进行更容易的描述、对比与分类. 即使以前未见到某 object,根据 attributes 仍能推断出与 object 相关的东西. 如,“yellow and brown spotted with long neck(长脖子上有黄色和棕色的斑点)”,很可能推断出 object 是 giraffe(长颈鹿).

    关于 attributes 的研究:

    • 采用examplar SVMs,利用相似特征来寻找 objects;

    • 采用纹理(textures) 研究 objects,或者预测颜色.

    • 采用 attributes 来提高目标分类结果. 如 fine-grained 识别.

    Attributes 一般被定义为 parts(如 has legs)、shapes(如,spherical球形的)、materials(如 furry毛皮的);用于对新的 objects 类别进行分类.

    Visual Genome 数据集对于 attributes 进行扩展,其 attributes 不是 image-specific 的,而是真实场景中 object-specific 的. attributes 类型包括:size(如 small), pose(如bent), state (如 transparent), emotion (如 happy)等等.

    • 基于 VGG16 的 attributes 预测结果:
      这里写图片描述

    1.4. Relationships

    Relationships 是两个 objects 的连接关系.

    Relationships 可以是 actions(如 jumping over),spatial(如 is build),comparative(如 taller than),prepositional phrases (如 drive on). 如图:
    这里写图片描述

    • Relationship 预测结果:
      这里写图片描述

    1.5. Region Graphs

    结合 objects、attributes 以及 region descriptions 提取的 relationships,创建每个 regions 的 graph representation.

    1.6. Scene Graphs

    Region graphs 是图片的局部区域表示,将 region graphs 结合,生成单个 scene graph来表示整张图片.

    Scene graph 是全部 region graphs 的统一,包含了全部的 objects、attributes以及每个 region description 的 relationships.

    Scene Graph 将多种不同层次的 scene 信息以更加一致的方式结合在一起.

    1.7. Question Answer(QA) Pairs

    数据集中每张图片有两种类型的 QA pairs:

    • freeform QAs - 基于整张图片;

    • region-based QAs - 基于图片的选择区域.

    每张图片标注了 6 中不同类型的问题:what, where, how, when, who, why.

    如图:
    这里写图片描述

    Figure . Visual Genome 数据集. 每张图片包括:region descriptions - 描述了图像的局部信息;两种类型的 question answer pairs(QAs) - free form QAs 和 region-based QAs. 每个 region 转化为 objects、attributes 和 pairwise relationships region 构成的 region graph 表示. 最终, 结合 region graphs 以形成图片内全部 objects 的 scene graph.

    2. Visual Genome 数据集应用

    基本应用:

    • attribute classification 属性分类

    • relationship classification 关系分类

    • description generation 描述生成

    • question answering QA

    更多应用:

    • Dense image captioning

    • Visual question answering

    • Image understanding

    • Relationship extraction

    • Semantic image retrieval

    • Completing the Set of Annotations

    注 - 与其它数据集对比:
    这里写图片描述

    3. Reference

    [1] - Visual Genome Home

    [1] - Visual Genome Doc

    [2] - Scene Graph Generation by Iterative Message Passing


    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:10 去赚积分?
    • 801浏览
    • 0下载
    • 0点赞
    • 收藏
    • 分享