SQUID-E

为了解决计算机视觉中的模糊图像，我们提出了一种新颖的用于不确定性感知图像识别的数据集构建方法。我们使用这个框架来构建squid-e (具有事件的定量不确定性信息数据集的场景)，这是从视频中提取的嘈杂图像的集合。12,000模糊图像的数据集统计20不同的事件类型2，000在线视频scraped1，800人类标记图像10，800人类判断6人类标记事件类型

To address the problem of blurry images in computer vision, we propose a novel dataset construction method for uncertainty-aware image recognition. We employ this framework to construct squid-e (Scene Dataset with Quantitative Uncertainty Information for Events), which is a collection of noisy images extracted from videos. The dataset has the following statistics: 12,000 blurry images, 20 distinct event types, 2,000 scraped online videos, 1,800 human-labeled images, 10,800 human annotations, and 6 human-labeled event types.

搜集汇总

背景与挑战

背景概述

SQUID-E是一个为应对计算机视觉中模糊图像问题而构建的数据集，采用不确定性感知图像识别方法，包含12,000张从视频提取的模糊图像，涵盖20种事件类型，基于人工标记和判断。该数据集由约翰霍普金斯大学于2022年发布。