Google发布了包含500万张图片和200,000个地标的人工智能培训数据集

 
据悉，设计能够进行精确实例级地标识别的AI系统(即，将尼亚加拉大瀑布与任何瀑布区分开来)和检索图像(将图像中的对象与目录中该对象的其他实例匹配)是Google AI研究部门的长期追求。去年，它发布了Google-Landmarks，这是当时世界上最大的地标数据集，并举办了两场比赛(Landmark Recognition 2018和Landmark Retrieval 2018)，其中有500多名机器学习研究人员参加。
今天，朝着更复杂的地标检测计算机视觉模型的目标迈出了重要的一步，谷歌开源的Google-Landmarks-v2，一个新的，更大的地标识别语料库，包含两倍的照片和七倍的地标。此外，它还在其机器学习社区Kaggle上推出了两项新挑战(Landmark Recognition 2019和Landmark Retrieval 2019)，并发布了Detect-to-Retrieve的源代码和模型，这是一个区域图像检索框架。
Google AI软件工程师Bingyi Cao和Tobias Weyand写道：“实例识别和图像检索方法都需要更大的数据集，包括图像数量和各种标志，以便训练更好，更强大的系统。” “我们希望这个数据集能够帮助推进实例识别和图像检索方面的最新技术。”
根据Bingyi和Weyand的说法，Google-Landmarks-v2包含了超过500万张来自世界各地摄影师收集的20多万个不同地标的图像。有问题的照片标出了他们自己的图像 – 描绘了新天鹅堡，金门大桥，清水寺，哈利法塔，吉萨大狮身人面像，马丘比丘和其他着名景点 – 并提交了它们。然后，谷歌研究人员用来自维基媒体基金会维基媒体基金会的免费使用图像，声音和其他媒体的在线存储库来补充历史和鲜为人知的图像。
那么Detect-to-Retrieve框架的处理是什么? Cao和Weyand表示，已发布的模型 – 由原始地标数据集中的80,000个子集进行训练 – 利用来自物体检测模型的边界框来为包含感兴趣项目的图像区域提供“额外的权重”，从而显着提高准确性。
具有设计地标检测AI模型的任务的Landmark Recognition 2019和竞争对手使用AI系统查找显示目标地标的图像的Landmark Retrieval 2019都可以进入。两者都包括总额为50,000美元的现金奖励，Bingyi和Weyand表示将邀请获奖团队在今年晚些时候在加利福尼亚州长滩举行的2019年计算机视觉和模式识别会议的第二次地标识别研讨会上展示他们的方法。