Microsoft COCO: Common Objects in Context

[soneo1127]

0. 論文

https://arxiv.org/abs/1405.0312

1. どんなもの？

個々のオブジェクトインスタンスをセグメント化するためのデータセットを提供。

2. 先行研究と比べてどこがすごい？

複数のオブジェクトからの、より文脈的な情報が入っている。

3. 技術や手法のキモはどこ？

"thing"（はっきりとした物）だけで、"stuff"（ぼんやりしたもの。空など）は含まないようにした。

アノテーションパイプラインは3つの主要なタスクに分割されます
（a）画像に存在するカテゴリーのラベル付け
（b）ラベル付けされたカテゴリーのすべてのインスタンスの位置の特定とマーキング
（c）各オブジェクトインスタンスの分割

MS COCOの各画像に5つのキャプションの説明を追加した。キャプションの統計とそれらがどのように収集されたかについての完全な説明は別の出版物で提供される（え）。

4. どうやって有効だと検証した？

（a）MS COCOおよびPASCAL VOCのカテゴリごとの注釈付きインスタンスの数。
（b、c）MS COCO、ImageNet Detection、PASCAL VOCおよびSUNの場合の、画像ごとの、それぞれ注釈付きカテゴリおよび注釈付きインスタンスの数（カテゴリおよびインスタンスの平均数は括弧内に示されています）。
（ｄ）いくつかの人気のある物体認識データセットについてのカテゴリ数対カテゴリあたりのインスタンス数。
（e）MS COCO、ImageNet Detection、PASCAL VOCおよびSUNデータセットのインスタンスサイズの分布。
で比較。

5. 議論はある？

"stuff"のデータセットがあってもいいかも

6. 次に読むべき論文は？

Microsoft COCO Captions: Data Collection and Evaluation Server
https://arxiv.org/abs/1504.00325