BigDetection: オブジェクト検出器の事前学習を向上させるための大規模ベンチマーク

近年、物体検出に関する複数のデータセットおよびオープンな課題が登場している。より汎用性と強力な物体検出システムの構築を目的として、本論文では新たな大規模ベンチマーク「BigDetection」を構築した。その目的は、既存のデータセット（LVIS、OpenImages、Object365）の学習データを、丁寧に設計された原則に基づき単純に活用し、より優れた検出器の事前学習に適した拡大されたデータセットを構築することにある。具体的には、異なるデータソースに由来する異種のラベル空間を統一する新しい分類体系を構築した。BigDetectionデータセットは600の物体カテゴリを有し、340万枚以上の学習画像と3600万個以上のバウンディングボックスを含んでいる。これは従来のベンチマークと比較して、複数の観点で大幅に規模が大きくなっているため、新たな機会と課題を提供している。広範な実験により、本データセットが異なる物体検出手法の評価に適した新たなベンチマークとして有効であることが示されるとともに、事前学習データセットとしての有効性も確認された。