Office-31对象识别数据集

原始数据Office-31是视觉迁移学习领域最经典且使用最广泛的基准数据集之一，由Kate Saenko等学者于2010年欧洲计算机视觉会议上首次发布。为系统地研究现实世界中因成像设备、光照、背景等条件变化导致的“域偏移”问题，研究团队构建了该数据集，旨在推动跨域图像分类技术的发展。在产生方法上，Office-31的三部分数据分别来源于三种差异极大的采集渠道，由此构成了三个特征分布不同的“域”：其中Amazon域的数据来自电商网站的商品页面，图像背景纯净、构图规整；DSLR域的数据由高分辨率单反相机在多种光照环境下拍摄，体现了专业摄影场景的丰富性；而Webcam域的数据则由低质量的网络摄像头采集，带有明显的噪声、模糊和颜色伪影，模拟了严苛的现实采集条件。 数据集的核心内容为办公室环境的31类常见物体，例如笔记本电脑、键盘、文件柜等。其总体量约为4,652张图像。具体分布为：Amazon域包含2,817张图像，平均每类约90张；DSLR域含498张高分辨率图像；Webcam域含795张低分辨率图像。由于其精准聚焦于域自适应研究的痛点，Office-31在提出后迅速成为评价各类域自适应算法（尤其是无监督域自适应）的标准测试基准，对迁移学习乃至整个计算机视觉领域的发展都产生了深远的影响。衍生数据为项目基于Office-31原始数据进行的数据处理、评估方式、方法结果、衍生结论。