Open Images V6

Open Images 是一个约 900 万张图像的数据集，标注有图像级标签、对象边界框、对象分割掩码、视觉关系和本地化叙述：它包含 190 万张图像上 600 个对象类别的总共 160 万个边界框，使其成为具有对象位置注释的最大现有数据集。这些框主要由专业注释者手动绘制，以确保准确性和一致性。图像非常多样化，通常包含具有多个对象的复杂场景（平均每张图像 8.3 个）。 Open Images 还提供视觉关系注释，指示特定关系中的对象对（例如“弹吉他的女人”、“桌子上的啤酒”）、对象属性（例如“桌子是木头的”）和人类行为（例如“”女人在跳“”）。它总共有来自 1,466 个不同关系三元组的 330 万个注释。在 V5 中，我们为 350 个类中的 280 万个对象实例添加了分割掩码。分割蒙版标记对象的轮廓，从而将它们的空间范围表征为更高级别的细节。在 V6 中，我们添加了 675k 本地化叙述：由同步语音、文本和鼠标在被描述对象上的轨迹组成的图像的多模式描述。 （请注意，我们最初仅在 V6 的 train 上发布了本地化叙述，但自 2020 年 7 月起，我们还进行了验证和测试。）最后，数据集使用 59957 个类别的 5990 万个图像级标签进行了注释。