BJTU Visual Impression Dataset

北京交通大学视觉印象数据集，包含6445张图像，分为25个类别，用于图像检索模型的训练和评估。

The Beijing Jiaotong University Visual Impression Dataset comprises 6,445 images, categorized into 25 classes, designed for the training and evaluation of image retrieval models.

原始信息汇总

数据集概述

数据集名称

• 交大视觉印象数据集2024

数据集准备

• 数据结构 bash ${DATA_ROOT} ├── base │ ├── fh │ ├── mh │ ... │ ├── zx │ ├── util_pic ├── query │ ├── fh │ ├── mh │ ... │ ├── zx

• 默认数据路径

  • ${DATA_ROOT} 默认设置为 ./data。

• 数据处理

  • 运行 split.py 分割 util_pic 中的图像，按标签分为17个类别。
  • 删除 util_pic。

• 训练数据集

  • 包含 6445 张图像，分为 25 个类别。

数据集使用

• 模型微调

  • AlexNet w/o latent layer shell python finetune.py --model alexnet --batchsize 64 --lr 0.001 --num_epochs 300 --data ./your/data/path --seed 42

  • AlexNet w/ latent layer shell python finetune.py --model alexnet --batchsize 64 --lr 0.001 --num_epochs 300 --data ./your/data/path --seed 42 --latent_layer --latent_size 48

  • ResNet-50 w/o latent layer shell python finetune.py --model resnet --batchsize 64 --lr 0.001 --num_epochs 300 --data ./your/data/path --seed 42

• 图像检索

  • AlexNet w/o latent layer shell python retrieval.py --model alexnet --data ./your/data/path --dist [cos/euclidean] [--plot]

  • AlexNet w/ latent layer shell python retrieval.py --model alexnet --data ./your/data/path --latent_layer --dist [cos/euclidean] [--plot]

  • ResNet-50 w/o latent layer shell python retrieval.py --model resnet --data ./your/data/path --dist [cos/euclidean] [--plot]

结果示例

• AlexNet w/o latent layer (cosine_similarity)

  • 结果图像位于 ./plots/your_model_name/20 中的 08.png。
  • 性能指标图像位于 ./plots/your_model_name 中的 [e-mail]。

• AlexNet w/o latent layer (euclidean_dist)

  • 性能指标图像位于 ./plots/your_model_name 中的 [e-mail]。

• AlexNet w/ latent layer (binary + cosine_similarity)

  • 结果图像位于 ./plots/your_model_name/20 中的 08.png。
  • 性能指标图像位于 ./plots/your_model_name 中的 [e-mail]。

• AlexNet w/ latent layer (binary + euclidean_dist)

  • 性能指标图像位于 ./plots/your_model_name 中的 [e-mail]。

• ResNet-50 w/o latent layer (cosine_similarity)

  • 结果图像位于 ./plots/your_model_name/60 中的 16.png。
  • 性能指标图像位于 ./plots/your_model_name 中的 [e-mail]。

• ResNet-50 w/o latent layer (euclidean_dist)

  • 性能指标图像位于 ./plots/your_model_name 中的 [e-mail]。

AI搜集汇总

数据集介绍

构建方式

在构建BJTU视觉印象数据集时，首先将数据放置在指定的目录结构中，包括基础数据和查询数据。通过运行`split.py`脚本，将`util_pic`目录中的图像按标签分类，生成17个类别。随后，删除`util_pic`目录，最终形成包含6445张图像的训练数据集，涵盖25个类别。

特点

该数据集的显著特点在于其丰富的图像类别和数量，共计6445张图像分布在25个类别中，为深度学习模型提供了广泛的学习样本。此外，数据集的结构设计便于图像检索任务的实施，支持多种模型如AlexNet和ResNet-50的微调与检索实验。

使用方法

使用该数据集时，首先需准备环境并激活相应的conda环境。随后，通过运行`finetune.py`脚本，可以选择不同的模型（如AlexNet或ResNet-50）进行微调，设置批量大小、学习率和训练轮次等参数。检索阶段，可通过添加`--plot`选项生成检索结果图像，并根据需要选择不同的距离度量方法（如余弦相似度或欧几里得距离）。

背景与挑战

背景概述

北京交通大学视觉印象数据集（BJTU Visual Impression Dataset）是由北京交通大学于2024年春季创建，主要用于《计算机视觉基础》课程的教学与研究。该数据集包含6445张图像，涵盖25个类别，旨在支持图像检索任务的训练与评估。数据集的创建不仅为学术研究提供了丰富的资源，也为图像检索领域的技术发展奠定了基础。

当前挑战

该数据集在构建过程中面临的主要挑战包括：1) 数据集的标签分类复杂，需确保每个类别的图像具有代表性和多样性；2) 数据集的规模较大，处理和存储这些图像需要高效的计算资源和存储解决方案；3) 图像检索任务中，如何有效地提取和比较图像特征，以提高检索准确性，是当前研究的重要课题。此外，数据集的更新和维护也需要持续的技术支持，以确保其长期可用性和有效性。

常用场景

经典使用场景

BJTU视觉印象数据集在图像检索领域展现出其经典应用价值。该数据集通过提供6445张图像，涵盖25个类别，为研究人员提供了丰富的视觉内容，用于训练和验证图像检索模型。特别是，数据集支持AlexNet和ResNet-50等深度学习模型的微调，通过无潜在层和有潜在层的配置，实现高效的图像检索。此外，数据集还支持基于余弦相似度和欧几里得距离的检索方法，进一步增强了其在实际应用中的灵活性和实用性。

衍生相关工作

BJTU视觉印象数据集的发布和应用催生了多项相关研究工作。例如，基于该数据集的图像检索模型在多个国际会议和期刊上发表，如CVPR Workshop 2015上的深度学习二进制哈希码用于快速图像检索的研究。此外，数据集还激发了关于图像特征提取、相似度计算和大规模图像检索系统设计的深入探讨。这些研究不仅提升了图像检索技术的理论水平，也为实际应用提供了有力的技术支持。

数据集最近研究

最新研究方向

在计算机视觉领域，BJTU Visual Impression Dataset的最新研究方向主要集中在图像检索技术的优化与创新。该数据集通过提供丰富的图像类别和数量，为研究人员提供了宝贵的资源，以探索和改进现有的图像检索模型。特别是，结合AlexNet和ResNet-50等深度学习模型，研究人员正在深入研究如何通过无潜在层和有潜在层的模型配置，提升图像检索的准确性和效率。此外，通过引入二进制哈希码等技术，研究者们致力于在保持高检索性能的同时，减少计算资源的消耗，这对于实际应用中的大规模图像检索具有重要意义。