机器学习笔记 - 结合深度学习的基于内容的图像实例检索 相关数据集/网络模型概览

一、数据集

        常用的数据集。

        UKBench (UKB)：由10200张物体图像组成。该数据集有2550组图像，每组有四张来自不同视角或照明条件的同一物体的图像，可以视为一种类级监督信息。所有图像都可以用作查询。

        Holidays：由1491张从个人节日相册中收集的图像组成。大多数图像都与场景相关。该数据集包括500组相似图像，每组具有单个查询图像。数据集还为每个图像提供感兴趣区域的位置信息。

        Oxford-5k：由11栋牛津建筑的5062幅图像组成。每个建筑都与五个手绘边界框查询相关联。根据相关性级别，同一建筑的每个图像都被分配了一个标签“好”（即，正）、“OK”（即正）、《垃圾》或《坏》（即，负）。垃圾图像可以被丢弃或被视为负面例子[146]，[54]。要为每个给定的查询构建一个元组，可以选择一个正示例。其标签对应于同一类别中的Good或OK，并从其余建筑类别中的每个类别中选择一个反例。此外，添加了一组额外的100000张干扰物图像，以获得Oxford-105k。

        Paris-6k：包括6412幅图像，按建筑分为12组。监督信息可以像Oxford-5k一样使用。同样地，添加100000个干扰物图像的附加不相交集合