BJTU Visual Impression Dataset|图像检索数据集|机器学习数据集

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。