「竞赛」 Kaggle:标志性建筑物检索 谷歌2019
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
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;
Comments