评测数据 (图像检索)
SOP
#评测指标-R@1, R@10, R@100, R@1000
数据描述：
SOP（Stanford Online Products）数据集包含120,053张商品图片，有22,634个类别。5,659个类别（29,722张图像）用于训练，5,659个类别（29,829张图像）用于验证，其他11,316个类别（60,502张图像）用于测试。
数据集构成和规范：
源数据量：
数据集分成辅助训练集（29,722），验证集（29,829），测试集（60,502）
评测数据量：
源数据集测试集中的全部60,502个测试样例
数据字段：
| KEYS | EXPLAIN |
|---|---|
| images | 用于输入的RGB图像 |
| labels | 该图像的类别标签 |
源数据集样例:
RGB图像：
类别标签：
bicycle
论文引用：
@inproceedings{oh2016deep,
title={Deep metric learning via lifted structured feature embedding},
author={Oh Song, Hyun and Xiang, Yu and Jegelka, Stefanie and Savarese, Silvio},
booktitle={Computer Vision and Pattern Recognition},
pages={4004--4012},
year={2016}
}数据集版权使用说明：
iNaturalist 2018
数据描述：
iNaturalist 2018数据集中共有8,142个物种类别，其中训练图像437,513张，验证图像24,426张，测试图像149,394张。Andrew Brown在原数据集基础上进行采样划分，其中5,690个类别（325,846张图像）用于训练，2,452个类别（136,093张图像）用于测试。在Andrew Brown划分的基础上，原训练集中2848个类别用于训练、2842个类别用于验证。原测试集不变。
数据集构成和规范：
源数据量：
数据集分成辅助训练集（165,229），验证集（160,617），测试集（136,093）
评测数据量：
Andrew Brown所划分的测试集中的全部136,093个测试样例
数据字段：
| KEYS | EXPLAIN |
|---|---|
| images | 用于输入的RGB图像 |
| labels | 该图像的类别标签 |
源数据集样例:
RGB图像：
类别标签：
2229
论文引用：
@inproceedings{van2018inaturalist,
title={The inaturalist species classification and detection dataset},
author={Van Horn, Grant and Mac Aodha, Oisin and Song, Yang and Cui, Yin and Sun, Chen and Shepard, Alex and Adam, Hartwig and Perona, Pietro and Belongie, Serge},
booktitle={Computer Vision and Pattern Recognition},
pages={8769--8778},
year={2018}
}