ridgerun-ai/citw-v0.1|目标检测数据集|手机检测数据集

CITW（Cellphones in the Wild）是一个包含手机图像及其对应边界框注释的小型数据集。该数据集是从COCO 2017数据集中提取的，仅保留了包含手机的图像和注释。数据集由Michael Grüner策划，并由RidgeRun.ai资助，采用CC-BY-NC-2.0许可证。数据集包含两个分割：train和val，每个分割中包含JPEG格式的图像和metadata.jsonl文件。metadata.jsonl文件中的每个条目代表一张图像，包含边界框和类别信息。数据集主要用于训练手机检测器，但仅限于2017年之前生产的手机模型，可能会与其他类似设备混淆。

原始信息汇总

数据集卡片：Cellphones in the Wild

数据集详情

数据集描述

CITW（Cellphones in the Wild）是一个包含图像中手机边界框标注的小型数据集。该数据集是从COCO 2017中提取的，仅保留了包含手机的图像及其对应的边界框标注。数据集的结构和标注已调整为与Huggingface兼容。

• 许可证： CC-BY-NC-2.0

数据集来源

• 仓库： https://huggingface.co/datasets/ridgerun-ai/citw-v0.1

用途

直接用途

CITW旨在用于训练手机检测器。

超出范围的用途

该数据集仅包含手机样本，不适用于其他类型的电话，如办公室电话、传真机或公共电话。

数据集结构

数据集位于data目录下，包含两个拆分：train和val，分别表示为子目录。每个拆分中包含JPEG格式的图像以及一个metadata.jsonl文件。

metadata.jsonl文件每行一个条目，每个条目代表一个图像。标注信息可以在objects对象下找到。该对象包含一个边界框列表（本身是一个列表）和一个类别列表（只有一个类别：0）。

单个边界框标注为：[x, y, width, height]。

只有一个类别：0，显然对应于手机类别。

条目示例

一个条目示例如下： json { "file_name": "000000253967.jpg", "objects": { "bbox": [ [16.31, 104.46, 33.54, 43.17], [277.55, 146.1, 17.99, 58.69], [436.56, 130.99, 23.33, 42.09] ], "categories": [0, 0, 0] } }

在这个示例中，图像包含3个手机，这反映在3个边界框和3个手机类别列表中。

数据集创建

源数据

数据收集和处理

该数据集是COCO2017的精简版。仓库中包含一个coco2citw.py脚本，用于自动化此过程。

源数据生产者

有关原始生产过程的信息，请参阅COCO Challenge主页。

个人和敏感信息

据我们所知，该数据集中没有个人和敏感信息。

偏差、风险和限制

该数据集仅限于2017年之前生产的手机型号。类似物体（如对讲机、便携式游戏机或计算器）可能会被混淆。

术语表

CITW: Cellphones in the Wild

AI搜集汇总

数据集介绍

构建方式

Cellphones in the Wild (CITW)数据集，是由Michael Grüner精心策划，从COCO 2017数据集中提炼而来。该数据集仅保留了包含手机及其边界框注释的图像。通过自动化脚本coco2citw.py，将原始COCO数据集中的结构和注释转换为Huggingface兼容的格式，确保了数据集构建的准确性和效率。

特点

CITW数据集的主要特点在于其专注于野外环境下手机图像的检测。数据集规模虽小，但结构紧凑，仅包含手机相关样本，且所有图像均伴有精确的边界框注释。其遵循CC-BY-NC-2.0许可，保证了数据集在非商业用途下的开放性和可用性。

使用方法

使用CITW数据集，用户可以直接用于训练手机检测模型。数据集分为训练集和验证集两个部分，每个部分都包含JPEG格式的图像和metadata.jsonl文件。用户可以依据metadata.jsonl文件中提供的边界框信息，对模型进行监督学习训练，进而提高手机检测的准确性。

背景与挑战

背景概述

在智能视觉识别领域，Cellphones in the Wild（CITW）数据集的构建旨在推动移动设备检测技术的发展。该数据集由RidgeRun.ai资助，并于2017年基于COCO数据集进行精炼，专注于提取包含手机图像及其边界框注释的样本。其主要研究人员为Michael Grüner，此数据集的创建不仅丰富了移动设备识别领域的研究资源，而且对提升现实场景中手机检测算法的准确性具有显著影响。

当前挑战

CITW数据集在构建和应用过程中面临的挑战主要包括：一是数据集的局限性，仅涵盖2017年及以前生产的手机模型，可能无法适应新型手机的变化；二是数据集的泛化能力，由于仅包含手机样本，对于类似设备如对讲机、便携式游戏机等识别存在混淆风险；三是数据集的多样性和广泛性不足，可能无法全面覆盖现实世界中的手机使用场景，从而影响检测算法的泛化表现。

常用场景

经典使用场景

在计算机视觉研究领域，Cellphones in the Wild (CITW) 数据集以其精妙的构造和详尽的标注，成为对象检测任务中训练 cellphone 检测器的直接用例。该数据集通过从 COCO 2017 中提炼出含手机图像及其边界框标注的样本，为研究者提供了一个专注于手机检测的基准。

解决学术问题

CITW 数据集解决了对象检测领域中对特定对象，即手机，进行准确识别与定位的学术难题。它为算法训练提供了一个针对性的数据源，有助于提升检测模型在复杂环境下的鲁棒性和准确性，对于推动相关学术研究的深入发展具有显著意义。

衍生相关工作

基于 CITW 数据集的研究成果，已经衍生出一系列相关的工作，包括但不限于对检测算法的改进、数据集的扩展以及跨领域应用的探索，这些研究进一步拓宽了计算机视觉技术在现实世界的应用范围，并对未来技术的发展产生了深远影响。