anindyamondal/Omnicount-191

OmniCount-191是一个多标签对象计数数据集，包含点、边界框和VQA注释。该数据集涵盖了191个不同的类别，包括厨房用具、办公用品、车辆和动物等。数据集包含30,230张图像，每张图像中的对象实例数量从1到160不等，平均为10个。数据集分为训练集和测试集，训练集包含26,978张图像，测试集包含3,252张图像。数据集的创建目的是填补现有数据集在多标签对象计数任务中的不足，并为评估各种场景下的计数模型提供基准。

原始信息汇总

数据集概述

名称： OmniCount-191

描述： OmniCount-191 是一个创新的数据集，包含多标签对象计数，涵盖点、边界框和VQA注释。该数据集包含30,230张图像，跨越191个多样化的类别，如厨房用具、办公用品、车辆和动物。每个图像的对象实例数从1到160不等，平均计数为10。

数据集详情

创建者： Anindya Mondal, Sauradip Nag, Xiatian Zhu, Anjan Dutta

许可： OpenRAIL

数据来源： 数据集由13名成员手动从网络上根据相关关键词如“航拍图像”、“超市货架”、“家用水果”和“许多鸟类和动物”收集，共有40,000张图像被考虑，最终选择了30,230张图像。

数据处理： 图像选择标准包括至少五个对象实例、高分辨率、无严重遮挡以及对象尺寸适中。使用Labelbox平台进行标注。

统计信息： 数据集包含30,230张图像，平均尺寸为700×580像素，每张图像平均包含10个对象，总计302,300个对象。数据集分为训练和测试集，训练集包含118个类别，测试集包含73个类别，比例为60%-40%。

用途： 主要用于对象计数。

限制用途： 不适用于视觉问答（VQA）和对象检测（OD）。

数据集分割

分割详情： 数据集为零样本和少样本学习条件准备了专门的分割。训练集包含26,978张图像，测试集包含3,252张图像。

引用信息

BibTeX:

@article{mondal2024omnicount, title={OmniCount: Multi-label Object Counting with Semantic-Geometric Priors}, author={Mondal, Anindya and Nag, Sauradip and Zhu, Xiatian and Dutta, Anjan}, journal={arXiv preprint arXiv:2403.05435}, year={2024} }