它由 50 个动物类的 37322 张图像组成,每个图像都有预提取的功能表示。这些类与奥舍森的经典类/属性矩阵 [3,4] 对齐,从而为每个类提供 85 个数值属性值。
此数据集提供了一个基准传输学习算法的平台,特别是属性基础分类和**零镜头学习[1]。它可以作为原始动物的属性*(AwA)*数据集 [2,3] 的放置替换,因为它具有相同的类结构和几乎相同的特征。 它由 50 个动物类的 37322 张图像组成,每个图像都有预提取的功能表示。这些类与奥舍森的经典类/属性矩阵 [3,4] 对齐,从而为每个类提供 85 个数值属性值。使用共享属性,可以在不同的类之间传输信息。 图像数据于 2016 年从公共来源(如 Flickr)收集。在这个过程中,我们确保只包括许可免费使用和再分发的图像,请参阅各个许可证文件的存档。如果数据集包含您持有版权且未获得自由许可的图像,请通过 联系我们,以便我们可以将其从集合中删除。
文件:
大小:包含了37322个50个动物的图像。 1.CUHK student data set 含188张faces 2.AR data set (123 faces) 3.XM2VTS data set (295 faces)
相关论文:
[1] Y. Xian, C. H. Lampert, B. Schiele, Z. Akata. “Zero-Shot Learning - A Comprehensive Evaluation of the Good, the Bad and the Ugly” arXiv:1707.00600 [2] C. H. Lampert, H. Nickisch, and S. Harmeling. “Learning To Detect Unseen Object Classes by Between-Class Attribute Transfer”. In CVPR, 2009 [3] C. H. Lampert, H. Nickisch, and S. Harmeling. “Attribute-Based Classification for Zero-Shot Visual Object Categorization”. IEEE T-PAMI, 2013 [4]X. Tang, and X. Wang, “Face Photo Recognition Using Sketch,” in Proceedings of IEEE International Conference on Image Processing (ICIP), Vol. 1, pp. 257-260, Rochester, New York, Sept. 2002.