【PASCALVOC】The Pascal Visual Object Classes Challenge: A Retrospective
基本情况
这篇文章PASCALVOC官方发表在IJCV2015上的一篇文章，主要是对之前的2008-2012challenge的回顾.
Abstract
PASCAL VOC(pattern analysis,statistical modelling and computational learning visual object classes)主要包含两个主要部分：（1）一个公开可用的数据集，包含ground truth annotaion和标准化的评估软件；（2）每年一届的比赛和研讨会.
为了评估在VOC数据集上提交的算法，我们引入了许多novel的方法：（1）一种用于确定两种算法的性能差异是否显著的自举方法（2）归一化的平均精度(AP)，使得性能可以在具有不同比例的正实例的类中进行比较（3）一种用于在多个算法上可视化性能的聚类方法，以便可以识别硬而简单的图像（4）对所提交的算法使用联合分类器，以便测量它们的互补性和组合性能.
文章主体
这篇文章是一篇比较长的文章，所以我也没有全部详细阅读本文，只是主要关注了Submission and Evaluation部分.
Section 2是对VOC challenge的回顾.关于voc2012竞赛、数据集、标注步骤和评估标准做了一个简单的介绍.
Section 3对voc2012的各项结果进行了展示，然后使用新颖的方法对2012比赛结果进行了分析，最后提出了一种方法对在同样的testset上进行预测的方法进行公平的比较，摘要中的方法（1）.
Section 4进行评估，并尝试回答关于我们的领域在可能或不能解决的分类和检测问题方面的更广泛的问题，摘要中提出的（2）（3）方法用于此处.
Section 5调查不同方法的互补性水平.摘要中的（4）方法(super methods).
Section 6考虑在时间上的进步.
Submission and evaluation
竞赛的过程包括两个阶段：第一个阶段，每个参赛者会被分发一个开发者套件：包括train/val图片和标注信息，以及使用matlab软件可以访问的标注文件(xml文件).第二阶段是在test上进行提交.test数据大概在提交结果的前三个才发布.
Detection任务的评估
这里引入了另一个指标IoU，定义Bp是预测的区域，Bgt是ground true，两者的交面积除以两者的并的面积(intersection over Union)，就是IoU值.这个值大于50%才认为方法有效.PASCALVOC给出的评测结果就是在IoU>=0.5的情况下的mAP值.
Segmentation任务的评估
对每个类都采用IoU.
mAP
采用了每个类别的P-R图的面积作为该类别mAP值.在2007年之前使用的ROC-AUC.关于mAP的具体介绍可以参考我的另一篇文章.
【PASCALVOC】The Pascal Visual Object Classes Challenge: A Retrospective相关推荐
- PASCAL Visual Object Classes Challenge 2007 (VOC2007) 图像标注指南 / 标注规则
PASCAL Visual Object Classes Challenge 2007 (VOC2007) Annotation Guidelines http://host.robots.ox.ac ...
- 论文阅读（Chenyi Chen——【ACCV2016】R-CNN for Small Object Detection）
Chenyi Chen--[ACCV2016]R-CNN for Small Object Detection 目录 作者和相关链接 方法概括 创新点和贡献 方法细节 实验结果 总结与收获点 参考文献 ...
- 【CVPR2022】Detecting Camouflaged Object in Frequency Domain
[CVPR2022]Detecting Camouflaged Object in Frequency Domain 论文有一个非官方的实现:https://github.com/VisibleShad ...
- 【转】论文阅读（Chenyi Chen——【ACCV2016】R-CNN for Small Object Detection）
Chenyi Chen--[ACCV2016]R-CNN for Small Object Detection 目录 作者和相关链接 方法概括 创新点和贡献 方法细节 实验结果 总结与收获点 参考文献 ...
- 【论文】Oriented R-CNN for Object Detection
[前言]首先推荐几个相关网址: 整理了一系列的倾斜目标检测算法:GitHub - yangxue0827/RotationDetection: This is a tensorflow-based r ...
- 【Unity3D】Unity 脚本 ② ( Visual Studio 2019 中的 Unity 编译环境配置 | Unity 编辑器关联外部 C# 脚本编辑器 Visual Studio )
文章目录 一. Visual Studio 2019 中的 Unity 编译问题 二. Unity 编辑器中关联外部 C# 脚本编辑器 三. 设置游戏运行时脚本更新行为 一. Visual Studi ...
- 【转】IE8与Visual Studio“打架
原文:http://www.cppblog.com/dbqy/archive/2009/05/11/82570.html 真佩服Microsoft,自家的產品竟然都會互相衝突? An add-on f ...
- 【图像分类】基于Pascal VOC2012增强数据的多标签图像分类实战
接着上一次的多标签分类综述,本文主要以Pascal VOC2012增强数据集进行多标签图像分类训练,详细介绍增强数据集制作.训练以及指标计算过程,并通过代码进行详细阐述,希望能为大家提供一定的帮助! ...
- python不同曲线设置标签_【图像分类】基于Pascal VOC2012增强数据的多标签图像分类实战...
接着上一次的多标签分类综述,本文主要以Pascal VOC2012增强数据集进行多标签图像分类训练,详细介绍增强数据集制作.训练以及指标计算过程,并通过代码进行详细阐述,希望能为大家提供一定的帮助! ...
最新文章
- Linux core dump的详细介绍及使用
- c语言链表删除前一个节点,最简单的链表删除第一个节点时释放内存的问题
- （转）[Android] 利用 ant 脚本修改项目包名
- AsyncTask的使用半解--！
- php 加密解密函数封装
- c 实现走迷宫流程图_c语言迷宫问题程序功能介绍.设计思路.数据结构设计及用法说明程序结构（流程图）.各模块的功能及程序说明....
- linux重启was控制台报错,IHS启动时报错，从was控制台传播插件失败
- Pytorch中 .numpy() .item() .cpu() 区别
- 举一反三：跨平台版本迁移之 XTTS 方案操作指南
- Linux之less命令
- linux下文件编码的查看与转换（转）
- 「代码随想录」63. 不同路径 II【动态规划】力扣详解！
- android访问局域网电脑,如何设置电脑使安卓手机能访问局域网共享的文件
- 新时达主板服务器改协议软件,新时达电梯主板调试软件
- javamail发送邮件到qq邮箱图片不能显示问题
- 求最大公约数及求多个数的最大公约数
- 第二十三章《斗地主游戏》第3节：项目完整代码
- 论文《基于结构光和双目视觉的三维重建系统研究》摘要
- 【300+精选大厂面试题持续分享】大数据运维尖刀面试题专栏（十五）
- 精心整理各类非常棒的网站！！！！素材类、工具类都有~