数据集分析
为了进行分析，我们使用建议的管道对5000个图像（Coco Val2017拆分）进行了两次注释。 我们首先讨论一般的数据集统计，然后在§4.2中对注释一致性进行分析，在§4.3中对评估协议进行分析。
4.1.数据集统计
类别统计。 5000 张 LVIS 图像中有 977 个类别。类别增长率（见图 9）表明最终数据集将有超过 1000 个类别。平均而言，每张图像都有来自 3.4 个类别的 11.2 个实例进行注释。每个图像的最大实例数是惊人的 294。图 6a 显示了每个图像的完整类别分布。 LVIS 的分布比 COCO 的分布更广，这表明许多图像标记了更多类别。我们的数据集的尾类性质可以在图 6b 中看到，它绘制了每个类别的实例总数（在 5000 张图像中）。中值是 9，虽然这个数字对于整个图像集会更大，但这个统计数据突出了我们数据具有挑战性的长尾特性。
讯享网
比例统计。LVIS中的对象也更可能是小的。图6c显示了对象掩码的相对大小分布：与COCO相比，LVIS对象趋向于更小，并且大对象更少（例如，占据图像大部分的对象是∼10×更少的频率）。ADE20K总体上具有最少的大型对象，而具有更多的中型对象。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/74981.html