Open Images V4

Open Images V4 在多个维度上提供了大规模：3010 万个图像级标签用于 19800 个概念，1540 万个边界框用于 600 个对象类别，以及涉及 57 个类别的 375000 个视觉关系注释。特别是对于对象检测，提供的边界框比下一个最大的数据集（1.9M 图像上的 15.4M 框）多 15 倍。图像通常显示具有多个对象的复杂场景（平均每张图像 8 个带注释的对象）。它们之间的视觉关系被注释，这支持视觉关系检测，这是一项需要结构化推理的新兴任务。

搜集汇总

背景与挑战

背景概述

Open Images V4是一个大规模图像数据集，包含3010万个图像级标签、1540万个边界框和375000个视觉关系注释，支持图像分类、物体检测和视觉关系检测等任务。该数据集由Google Research于2020年发布，图像通常呈现复杂场景，平均每张图像有8个带注释的对象。