AI Challenger 2017

一个名为 AIC（AI Challenger）的大规模数据集，包含三个子数据集，人类关键点检测（HKD）、大规模属性数据集（LAD）和图像中文字幕（ICC）。在这个数据集中，我们标注了类标签（LAD）、关键点坐标（HKD）、边界框（HKD和LAD）、属性（LAD）和标题（ICC）。这些丰富的注释弥合了低级图像和高级概念之间的语义鸿沟。所提出的数据集是评估和改进不同计算方法的有效基准。此外，对于相关任务，其他人也可以使用我们的数据集作为新资源来预训练他们的模型。

AIC (AI Challenger) is a large-scale dataset consisting of three subsets: Human Keypoint Detection (HKD), Large-scale Attribute Dataset (LAD), and Image Captioning (ICC). In this dataset, we have annotated class labels for LAD, keypoint coordinates for HKD, bounding boxes for both HKD and LAD, attributes for LAD, and captions for ICC. These rich annotations bridge the semantic gap between low-level image features and high-level concepts. The proposed dataset serves as an effective benchmark for evaluating and improving various computational methods. Additionally, researchers can utilize our dataset as a novel resource to pre-train their models for relevant tasks.

搜集汇总

背景与挑战

背景概述

AI Challenger 2017是一个大规模数据集，包含人类关键点检测、大规模属性数据集和图像中文字幕三个子集，提供了类标签、关键点坐标、边界框、属性和标题等丰富注释，以弥合低级图像与高级概念之间的语义鸿沟。该数据集可作为评估和改进计算方法的有效基准，并用于预训练模型。