LRGB/coco_superpixels_edge_wt_region_boundary_10

`coco_superpixels_edge_wt_region_boundary_10`数据集是一个用于图机器学习任务的数据集，主要应用于计算机视觉领域的节点预测任务。数据集包含节点特征（像素和坐标，14维）、边索引、边属性（边权重，1或2维）和标签。数据集分为训练集、验证集和测试集，分别包含113287、5001和5001个样本。数据集包含123,286个图，58,793,216个节点，平均每个图有476.88个节点，平均度数为5.65，总边数为332,091,902，平均每个图有2,693.67条边，平均最短路径为10.66±0.55，平均直径为27.39±2.14。性能评估指标为macro F1。

原始信息汇总

数据集概述

基本信息

• 任务类别: 图机器学习（graph-ml）
• 大小类别: 1M<n<10M
• 标签: lrgb
• 许可证: cc-by-4.0

数据集特征

• 特征名称与类型:
  • x: int64
  • edge_index: int64
  • edge_attr: int64
  • y: int64

数据集分割

• 训练集:
  • 大小: 3625184字节
  • 示例数: 113287
• 验证集:
  • 大小: 160032字节
  • 示例数: 5001
• 测试集:
  • 大小: 160032字节
  • 示例数: 5001

数据集大小

• 下载大小: 3252505字节
• 数据集大小: 3945248字节

数据集详细信息

• 数据集名称: COCO-SP
• 领域: 计算机视觉
• 任务: 节点预测
• 节点特征维度: Pixel + Coord (14)
• 边特征维度: Edge Weight (1 or 2)
• 性能指标: macro F1
• 图数量: 123,286
• 节点总数: 58,793,216
• 平均节点数: 476.88
• 平均度数: 5.65
• 边总数: 332,091,902
• 平均边数: 2,693.67
• 平均最短路径: 10.66±0.55
• 平均直径: 27.39±2.14

搜集汇总

数据集介绍

构建方式

该数据集源自计算机视觉领域的经典COCO数据集，通过超像素分割技术将原始图像转化为图结构数据。具体而言，每张图像被分割为约477个超像素节点，节点特征融合了像素平均强度与空间坐标信息，维度为14。边属性则通过超像素间的边界权重与区域边界距离计算，形成1或2维的边特征。最终构建出一个包含123,286个图样本的大规模图学习基准，其中训练集、验证集与测试集分别占比约92%、4%和4%，确保了数据划分的合理性。

使用方法

该数据集专为图机器学习任务设计，可直接通过HuggingFace Datasets库加载。用户需指定分割名称（train/val/test）获取对应子集，每个样本包含节点特征张量（x）、边索引（edge_index）、边属性（edge_attr）及节点级标签（y）。在建模时，推荐将14维节点特征作为初始嵌入，利用边权重（edge_attr）增强消息传递机制。评估指标采用宏平均F1分数，适用于多类别节点分类场景。研究者可基于其图结构特性，设计针对长程依赖的注意力或池化模块，以验证模型在复杂拓扑下的泛化能力。

背景与挑战

背景概述

在计算机视觉与图机器学习的交叉领域，图像常被建模为图结构以捕捉像素间的空间关系与语义关联。LRGB/coco_superpixels_edge_wt_region_boundary_10数据集由Vijay Prakash Dwivedi等人于2022年创建，作为长程图基准（Long Range Graph Benchmark, LRGB）的重要组成部分，旨在推动图神经网络在节点预测任务上的发展。该数据集基于MS COCO图像，通过超像素分割与边缘权重构建，核心研究问题在于探索图模型如何有效利用像素级特征与区域边界信息进行节点分类。其影响力在于为长程依赖关系建模提供了标准化的评估平台，尤其关注图结构中的全局信息传递挑战，对图深度学习领域的研究具有显著推动作用。

当前挑战

该数据集所解决的领域挑战在于图神经网络对长程依赖关系的捕捉能力不足，传统模型常受限于局部感受野，难以在超像素图结构上实现高效的全局信息传播，导致节点预测性能受限。构建过程中面临的核心挑战包括：从自然图像中生成具有代表性的超像素图，需平衡分割粒度与语义完整性；边缘权重的设计需同时反映像素相似性与区域边界信息，以增强图结构的表达能力；处理大规模图数据（超过1.2亿个节点）时，需确保计算效率与存储可行性，同时保持数据集的统计特性如平均节点度与最短路径长度的一致性，从而为基准测试提供可靠基础。

常用场景

经典使用场景

COCO-SP（coco_superpixels_edge_wt_region_boundary_10）数据集源自计算机视觉领域经典的MS COCO图像分割任务，经过超像素化处理构建为图结构数据。其最经典的使用场景在于图神经网络（GNN）的节点分类任务，每个超像素作为图节点，节点特征融合了像素坐标与颜色信息，边属性则编码了超像素间的区域边界权重。该数据集为长程图学习（Long Range Graph Benchmark, LRGB）提供了具有挑战性的基准，旨在评估GNN模型捕捉远距离节点依赖关系的能力，从而推动图表示学习在视觉场景理解中的发展。

解决学术问题

该数据集解决了图神经网络在长程依赖建模中面临的瓶颈问题。传统GNN受限于局部消息传递机制，难以有效捕获全局结构信息，而COCO-SP通过构建具有较大平均直径（约27.39）的图结构，揭示了现有模型在远距离节点交互上的性能不足。它促进了诸如Graph Transformer、内存高效GNN等架构的提出，为衡量模型在视觉语义分割中的全局推理能力提供了标准化测试平台，其影响在于引导学术界重新审视GNN的表示容量与尺度扩展性。

实际应用

在实际应用中，COCO-SP数据集驱动的图学习方法可迁移至图像语义分割、场景解析与目标检测等视觉任务。例如，将超像素图作为中间表示，能够显著提升复杂场景中物体边界划分的准确性，并降低计算开销。此外，该数据集对长程依赖的强调，使其适用于遥感图像分析、医学影像分割等需要全局上下文理解的领域，从而推动图神经网络从实验室研究走向工业级视觉系统的部署。

数据集最近研究

最新研究方向

在计算机视觉与图神经网络的交叉领域，COCO-SP超像素图数据集正成为探索长程依赖关系建模的前沿焦点。该数据集基于MS COCO图像分割为平均477个节点的图结构，节点特征融合像素与坐标信息，边属性则编码超像素间的区域边界权重。当前研究热点集中在利用此类图数据突破传统图神经网络在远距离信息传播上的瓶颈，特别是结合Transformer架构与图核方法，以提升节点预测任务中的宏观F1分数。随着Long Range Graph Benchmark（LRGB）的提出，COCO-SP作为核心基准之一，其百万级图规模的挑战性设计，正在推动注意力机制与位置编码的革新，对理解复杂场景中全局与局部语义的交互具有里程碑意义。