WebVision

WebVision数据集旨在促进从嘈杂的web数据中学习视觉表示的研究。我们的目标是在注释大规模视觉数据集时，将深度学习技术与巨大的人工劳动分开。我们发布了这个大规模的web图像数据集作为基准，以推进从web数据中学习的研究，包括弱监督的视觉表示学习，视觉转移学习，文本和视觉等。(请参阅WebVision数据集的推荐设置)。
WebVision数据集包含从Flickr网站和Google图像搜索抓取的240万多个图像。与ILSVRC 2012数据集相同的1,000概念用于查询图像，从而可以直接研究一堆现有方法，并将其与从ILSVRC 2012数据集训练的模型进行比较，并且还可以研究数据集偏差问题。大规模场景。伴随那些图像的文本信息 (例如，标题、用户标签或描述) 也被提供为附加的元信息。提供包含50,000个图像 (每个类别50个图像) 的验证集，以促进算法开发。简单基线的初步结果表明，WebVision数据集能够学习鲁棒的表示，其实现了与从人类注释的ILSVRC 2012数据集在几个视觉任务上学习的模型相当的性能。