乾明 发自 凹非寺
谷歌的图像数据集Open Images又升级了！
这次，他们在注释集中加入分割掩码（segmentation masks），样本规模达到280万，横跨350个类别。
谷歌说，这些掩码覆盖的对象类别和数量，比其他任何数据集都要多。
根据Google AI博客消息，这一版本的数据集被命名为Open Images V5，现在已经对外开放。
同时，谷歌也宣布将在ICCV 2019上开启第二届挑战赛Open Images Challenge。与之前相比，这次挑战赛增加了新的实例分割（Instance Segmentation）赛道。
谷歌表示，提供大型和多样化的训练数据集，希望能够激发大家对更高级的实例分割模型的研究。
280万样本，横跨350个类别
与之前各个版本的Open Images数据集相比，V5版本新增了对图像分割掩码的注释。对象样本达到了280万个，覆盖350个类别。
而且，与仅仅识别对象所在区域的边界框不同，图像分割掩码会标记目标对象的轮廓，在更高的细节水平上表征它们的空间范围。
谷歌说，在这个数据中，他们努力确保不同对象之间的注释一致。
比如说，所有猫的掩码都会包括尾巴；骆驼上的袋子，也会包含在其掩码中。下图，就是Open Images V5训练集中一些掩码的示例：
训练集中，一共包括268万个样本，分割掩码是由谷歌的交互式分割过程产生的，并通过专业的人工注释来不断校正分割神经网络的输出。
谷歌表示，这比单独的手动绘图更加有效，给出掩码平均精度能达到84%。
验证集和测试集中，一共有近10万掩码。这些掩码都是由人工标注，非常注重质量。他们在博客中说，这些掩码近乎完美，甚至捕捉到了复杂物体边界的细微细节。
谷歌认为，与大多数现有数据集提供的多边形标注相比，他们的训练集和验证+测试集提供了更精确的对象轮廓，下图是Open Images V5验证集中一些掩码的示例：
除了掩码，在这次对Open Images数据集的升级中，谷歌还增加了640万个经过人工验证的图像级标签。整体达到3650万，类别覆盖近20000个。
而且， 他们还改进了验证集和测试集中600个对象类比的注释密度，添加了超过40万个边界框来匹配训练集中的注释密度，来确保能够更精确地评估目标检测模型。
目前，数据集已经开放下载，如果你有兴趣，请收好下面的传送门：
https://storage.googleapis.com/openimages/web/download.html
Open Images挑战赛
与此同时，谷歌还宣布，将在2019年的国际计算机视觉大会（ICCV）上，开启新一届的Open Images Challenge。基于Open Images V5的发布，挑战赛中增加了实例分割赛道。
此外，这一挑战赛中还有其他两个赛道：
- 大规模的目标检测，预测500个类别中所有对象样本周围的边界框。
- 视觉关系检测，检测特定关系中的目标对。
现在，包含所有注释的数据集已经可以获取。
测试集包括10万张图片，其中用于目标检测和视觉关系检测的数据集将于2019年6月3日在Kaggle上开放，用于实例分割的数据集将在7月1日开放。
如果你对这一挑战赛感兴趣，一定要记住下面的整个时间点：
提交结果的截止时间是2019年10月1日。
Open Images Challenge官方地址：
https://storage.googleapis.com/openimages/web/challenge2019.html
关于Open Images
Open Images是谷歌在2016年推出的大规模图像数据集，包括大约900万张图片，标注了数千个图像类别。
2018年，谷歌开放Open Images V4，增加了1540万个用于600个对象类别的边界框，以及30万个视觉关系注释，使其成为现有最大的带有目标位置注释的数据集。同时，谷歌也开始基于Open Images数据集发起挑战赛。
— 完—