「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