Le jeu de données Oxford-IIIT Pet est une référence largement utilisée en vision par ordinateur pour la classification fine d'images et la segmentation sémantique. Publié en 2012 par des chercheurs de l'Université d'Oxford et de l'Institut indien de technologie de l'information, Hyderabad (IIIT-H), le jeu de données comprend 7 349 images de 37 races de chats et de chiens. Chaque image est annotée avec une étiquette d'espèce, une étiquette de race, un masque de segmentation trimap au niveau du pixel et une boîte englobante approximative de la tête. Le jeu de données a été conçu pour encourager la recherche sur la classification de races visuellement similaires et la segmentation d'animaux sur des arrière-plans encombrés.
Le jeu de données a été introduit avec un article proposant un modèle combinant un modèle déformable basé sur des parties avec une approche de segmentation sémantique. La publication originale rapportait une précision de classification de 59,2 % avec un modèle de sac de mots avec appariement pyramidal spatial, et une précision de segmentation de 49,8 % en intersection sur union (IoU) moyenne avec leur méthode proposée. Ces chiffres ont été largement dépassés par les modèles modernes de apprentissage profond, mais le jeu de données reste une norme pour évaluer de nouvelles architectures.
Structure du jeu de données
Les images sont divisées en 12 races de chats et 25 races de chiens, avec environ 200 images par classe. Les races incluent des animaux de compagnie courants comme le chat abyssin, le chat bengal et le british shorthair, ainsi que des chiens comme le beagle, le berger allemand et le carlin. Le jeu de données est divisé en un ensemble d'entraînement et un ensemble de test, avec la répartition fournie dans la version originale. L'ensemble d'entraînement contient 3 680 images, et l'ensemble de test contient 3 669 images. Les masques de segmentation sont des trimaps, où chaque pixel est étiqueté comme premier plan, arrière-plan ou région de frontière incertaine.
Impact sur la recherche
Le jeu de données Oxford-IIIT Pet a été utilisé dans des centaines d'études, en particulier pour évaluer les architectures de U-Net et d'autres réseaux neuronaux pour la segmentation sémantique. Il est souvent associé au jeu de données PASCAL VOC pour des benchmarks de transfert d'apprentissage. La taille modérée du jeu de données le rend adapté à l'entraînement de modèles à partir de zéro, contrairement à des jeux de données plus grands comme ImageNet. Il a également été utilisé pour étudier les techniques de augmentation de données, car le nombre limité d'images par classe encourage l'augmentation pour améliorer la généralisation.
Protocoles d'évaluation courants
L'évaluation standard pour la classification utilise la précision moyenne par classe, tandis que la segmentation est mesurée par l'IoU moyenne sur toutes les classes. Les chercheurs redimensionnent généralement les images à une résolution fixe, comme 224x224 pixels, et appliquent des retournements et des recadrages aléatoires pendant l'entraînement. De nombreux résultats publiés rapportent des précisions de classification supérieures à 95 % et des IoU de segmentation supérieures à 90 % avec des réseaux résiduels et des modèles encodeur-décodeur modernes. Le site officiel du jeu de données fournit les annotations originales et une liste de résultats publiés, bien qu'il n'ait pas été mis à jour depuis le milieu des années 2010.
Limites et alternatives
Le jeu de données présente des limites connues, notamment un nombre relativement faible d'images par classe et un biais vers des photographies bien soignées, de style studio. Toutes les races sont de race pure, ce qui ne reflète pas la diversité des animaux de compagnie croisés. Pour des tâches plus difficiles, les chercheurs se sont tournés vers des jeux de données plus grands comme Stanford Dogs ou le défi iNaturalist. Cependant, le jeu de données Oxford-IIIT Pet reste un point de départ pratique pour prototyper des modèles de segmentation en raison de sa taille compacte et de ses annotations propres.
Héritage
Le jeu de données a été créé par Omkar M. Parkhi, Andrea Vedaldi, Andrew Zisserman et C. V. Jawahar. L'article accompagnant, publié à la British Machine Vision Conference (BMVC) en 2012, a été cité des milliers de fois. Il a contribué au développement de méthodes de reconnaissance fine et a aidé à populariser l'utilisation de masques trimap pour la segmentation faiblement supervisée. Le jeu de données est librement disponible pour un usage académique et est hébergé sur le site du Visual Geometry Group à Université d'Oxford.