SKU110k データ セットには、密なシーンで撮影された 11,762 枚の画像と 170 万を超える境界ボックスの注釈が含まれており、インスタンス数は約 1,733,678 です。 データセットには以下が含まれます。

• トレーニング セット: 8,233 画像
• 検証セット: 588 枚の画像
• テストセット: 2,941 枚の画像 画像は、さまざまなスケール、視野角、照明条件、騒音レベルで何千ものスーパーマーケット店舗から収集されました。すべての画像は 100 万ピクセルの解像度にサイズ変更されました。データセット内のほとんどのインスタンスは狭い間隔で配置されており、通常は [-15∘, 15∘] の範囲で偏っています。

引用

[1] Eran Goldman*、Roei Herzig*、Aviv Eisenschtat*、Jacob Goldberger、Tal Hassner、「密集シーンにおける高精度検出」(https://arxiv.org/abs/1904.00853)、2019年。[2] Tsung-Yi Lin、Priyal Goyal、Ross Girshick、Kaiming He、Piotr Dollar、「密集物体検出のための焦点損失」(https://arxiv.org/abs/1708.02002)、2018年。