【目标检测数据集】开源 | 旷视科技--Objects365：最新大规模高质量目标检测数据集

论文地址： https://openaccess.thecvf.com/content_ICCV_2019/papers/Shao_Objects365_A_Large-Scale_High-Quality_Dataset_for_Object_Detection_ICCV_2019_paper.pdf

代码： www.objects365.org

来源： 旷视科技

论文名称：Objects365 A Large-scale, High-quality Dataset for Object Detection

原文作者：Shuai Shao

内容提要

本文引入了一个新的大规模目标检测数据集Objects365，它有365个目标类别，超过600K的训练图像。通过精心设计的三步注释管道，手工标注了超过1000万个高质量的边框。它是迄今为止最大的目标检测数据集(带有完整的注释)，为社区建立了更具挑战性的基准。Objects365作为一个更好的特征学习数据集，用于对位置敏感的任务，如目标检测和语义分割。在COCO benchmark上，基于90K迭代的标准设置，Objects365预训练模型显著优于ImageNet预训练模型，提高5.6分(42 vs 36.4)。即使与540K迭代这样的长时间训练相比，我们的90K迭代的Objects365预训练模型仍然有2.7点增益(42 vs 39.3)。同时，在达到相同精度的情况下，微调时间可大大缩短(高达10倍)。在CityPersons、VOC分割和ADE任务上也验证了Object365具有较好的泛化能力。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。