less than 1 minute read

Google Landmark Retrieval 2019: https://www.kaggle.com/c/landmark-retrieval-2019
2019.05.27 ~ 2019.06.10;
CVPR 2019 标志建筑识别

一、 介绍

相关论文

二、 数据

70万数据,10万建筑物;其中测试集与标志性建筑物识别相同;

赛程 数据量(万张) 说明
train 122.5 标注信息为图片 ID;包括图像 id、url 和 标签
test 11.77 待查询图片信息;包括图像 id 和 url
index 109.84 查询库;包括图像 id 和 url
boxes_split1 5.37 关于 train 的目标检测标注信息,Detect-to-Retrieve 论文会用到;图片id,归一化之后的 top, left, bottom, right;这个用来做训练
boxes_split2 3.23 同上,用来做验证

下载代码:python2, python3; 命令:python3 index.csv index/
数据集主页

三、 评估指标

\(mAP@100 = \frac{1}{Q} \sum{q=1}^{Q} \frac{1}{\min(m_q, 100)} \sum{k=1}^{\min(n_q,100)} Pq(k) relq(k)\)
$Q$ 是 待查询的建筑物数量(index 数据集);$q$ 是查询图像;$m_q$ 是查询到的结果;$n_q$ 是算法输出的查询结果个数;$P_q(k)$ 是查询结果中的第 $k$ 个;$rel_q(k)$ 是第 $k$ 个查询结果正确则为1,否则为0;

提交格式:csv 文件,第一列是检索图像 ID,后边是检索到的图像 ID,用空格隔开;

四、 思路

官方推荐参考其在 ICCV 2017 上的文章 DELF
相关论文

五、 榜单

最佳 0.37;


TOP

附录

Comments