Universal-Scale Object Detection Benchmark (USB)

Universal-Scale Object Detection Benchmark (USB) 是一个综合性的对象检测基准，由COCO、Waymo Open Dataset和Manga109-s三个数据集组成。USB旨在通过这些数据集中的多样性，评估对象检测系统在不同尺度和图像域中的表现。COCO数据集包含日常场景的自然图像，Waymo Open Dataset专注于自动驾驶领域，而Manga109-s则包含日本漫画的艺术图像。这些数据集的结合使得USB能够全面评估检测器在各种场景下的性能，从而推动对象检测技术的发展，特别是在多尺度对象检测方面。

原始信息汇总

UniverseNet 数据集概述

简介

UniverseNet 是一个用于通用尺度目标检测的基准（USB），结合了 COCO、Waymo Open Dataset 和 Manga109-s 数据集，以解决现有基准在尺度变化和公平比较方面的不足。USB 通过引入多样的训练和评估协议，支持公平比较和包容性研究。

数据集和基准

• USB (BMVC 2022)：通用尺度目标检测基准，包含多种对象尺度和图像领域。
• Waymo Open Dataset (CVPR 2020)：用于自动驾驶场景的目标检测。
• Manga109-s dataset (MTAP 2017, IEEE MultiMedia 2020)：用于漫画图像的目标检测。
• NightOwls dataset (ACCV 2018)：用于夜间行人检测。
• GBR COTS dataset (arXiv 2021)：用于珊瑚礁监测。
• SOD4SB dataset (MVA 2023)：用于鸟类检测的小目标检测挑战。

功能和方法

方法和架构

• UniverseNets (BMVC 2022)
• FocalNet (NeurIPS 2022)
• Swin Transformer V2 (CVPR 2022)
• PoolFormer (CVPR 2022)
• PVTv2 (CVMJ 2022)
• ConvMLP (arXiv 2021)
• CBNetV2 (arXiv 2021)
• Swin Transformer (ICCV 2021)
• GFLv2 (CVPR 2021)
• RelationNet++ (BVR) (NeurIPS 2020)
• SEPC (CVPR 2020)
• ATSS-style TTA (CVPR 2020)

基准和数据集

• USB (BMVC 2022)
• Waymo Open Dataset (CVPR 2020)
• Manga109-s dataset (MTAP 2017, IEEE MultiMedia 2020)
• NightOwls dataset (ACCV 2018)
• GBR COTS dataset (arXiv 2021)
• SOD4SB dataset (MVA 2023)

使用方法

安装

请参考 get_started.md 进行安装。

基本使用

请参考 MMDetection 文档，特别是 评估和训练现有模型。

示例

提供了评估和训练 UniverseNet-20.08 在 COCO 数据集上的示例脚本。