图像检索:Oxford Building dataset的问题

Oxford Building dataset(后面简称为Oxford)从2007年发布,到2018年Revisiting Oxford and Paris重新整理发布为Revisiting Oxford Building dataset(后面简称为ROxford),整整十年,实例检索(instance retrieval)或物体检索(object retrieval)都跑在一个Ground Truth定义得不是很合理的数据上进行MAP(Mean Average Precision)评估,这期间,虽然有人意识到了Oxford数据集存在的问题,却一直等到10年后,才有人正式的对这个数据集GT定义的合理性给出正面的回应。

Oxford数据集小白菜也一直在用,之所以在实际中验证一些检索算法指标的时候喜欢用这个数据集,是因为这个数据集对小白菜而言,有两个优点:

  • 计算MAP指标比较明晰(具体可以之前写过的关于Oxford MAP的计算过程),方便
  • 数据集规模不大,共5063张图片,验证起来比较快

然后小白菜也这么一直用着,虽然ROxford新定义的GT已经发布了。直到最近,在验证开发的局部特征检索系统在公开数据集上的效果时,一如既往的选择了Oxford的MAP作为衡量指标,发现了针对一些query,其定义的GT存在非常不合理的地方,下面举一个具体的query予以说明。

在Oxford里,all_souls_000013.jpg作为query(见all_souls_1_query.txt)时,包含相同建筑目标的all_souls_000206.jpg被当做跟query不相关的图片,放在了junk里(见all_souls_1_junk.txt)。all_souls_000013.jpgall_souls_000206.jpg对应的图片分别为:

drawing

从上面显示的图片可以看到,all_souls_000206.jpgall_souls_000013.jpg是相关的,它们包含了相同的建筑部分,其对应的匹配结果为:

drawing

显然,all_souls_000206.jpg应归属于good或ok里。这里面还有其他一些不合理的例子,上面列举的只是其中的一个示例。

所以无论是在论文里面或者实际测评实例检索、物体检索算法效果的时候,如果选用了Oxford数据集,最好不要再用老的GT来计算MAP了,而应该采用ROxford里定义的GT。

请他喝一杯

取消

感谢您的支持,如有任何问题,您可以在打赏留言中留下您的微信

微信扫码
支付宝扫码

打开微信扫一扫,即可进行在打赏中留言哦