CUB-200-2011, जिसे Caltech-UCSD Birds-200-2011 डेटासेट के रूप में भी जाना जाता है, Machine learning और Computer vision में सूक्ष्म-श्रेणी दृश्य वर्गीकरण कार्यों के लिए एक बेंचमार्क डेटासेट है। 2011 में Caltech और UC San Diego के शोधकर्ताओं द्वारा जारी, इसे एल्गोरिदम को पक्षियों की दिखने में समान प्रजातियों के बीच अंतर करने की चुनौती देने के लिए डिज़ाइन किया गया था, जो सामान्य वस्तु पहचान से आगे बढ़कर कार्य करता है।
डेटासेट में 200 पक्षी प्रजातियों की 11,788 छवियाँ शामिल हैं, प्रत्येक छवि में एक बाउंडिंग बॉक्स, एक बाइनरी भाग विभाजन मास्क, और 15 प्रमुख शरीर भागों (जैसे, चोंच, पंख, पूंछ) के स्थान शामिल हैं। इसके अतिरिक्त, प्रत्येक छवि 312 बाइनरी विशेषता लेबल (जैसे, "लाल स्तन है", "पंख का रंग: नीला") और एक पाठ विवरण से जुड़ी है। यह समृद्ध एनोटेशन संरचना CUB-200-2011 को उन मॉडलों का मूल्यांकन करने के लिए एक मानक परीक्षण मंच बनाती है जिन्हें सूक्ष्म दृश्य अंतर सीखने होंते हैं।
इतिहास और निर्माण
CUB-200-2011 को मूल CUB-200 डेटासेट (2010) के विस्तार के रूप में पेश किया गया था, जिसमें 200 प्रजातियों की 6,033 छवियाँ थीं। 2011 संस्करण में अधिक छवियाँ, भाग एनोटेशन और विशेषता लेबल जोड़े गए। यह डेटासेट कैथरीन वाह, स्टीव ब्रैनसन, पीटर वेलिंडर, पिएत्रो पेरोना और सर्ज बेलोंगी द्वारा बनाया गया था। इसे राष्ट्रीय विज्ञान फाउंडेशन और नौसेना अनुसंधान कार्यालय द्वारा वित्त पोषित किया गया था। छवियाँ फ़्लिकर और अन्य ऑनलाइन भंडारों से प्राप्त की गईं, फिर क्राउडसोर्सिंग प्लेटफ़ॉर्म के माध्यम से मानव एनोटेटरों द्वारा फ़िल्टर और लेबल की गईं।
संरचना और एनोटेशन
CUB-200-2011 की प्रत्येक छवि के साथ एनोटेशन फ़ाइलों का एक सेट होता है। बाउंडिंग बॉक्स पक्षी का एक सटीक क्रॉप प्रदान करता है। भाग स्थान 15 भागों के लिए (x,y) निर्देशांक के रूप में दिए गए हैं, जिनमें मुकुट, माथा, आँख, चोंच, गला, स्तन, पेट, पंख और पूंछ शामिल हैं। बाइनरी विभाजन मास्क इंगित करता है कि कौन से पिक्सेल पक्षी से संबंधित हैं। विशेषता लेबल बाइनरी (0 या 1) हैं और रंग पैटर्न, आकार और व्यवहार को कवर करते हैं। डेटासेट में एक प्रशिक्षण/परीक्षण विभाजन भी शामिल है: प्रशिक्षण के लिए 5,994 छवियाँ और परीक्षण के लिए 5,794 छवियाँ, प्रत्येक विभाजन में लगभग आधी प्रजातियाँ शामिल हैं।
सूक्ष्म-श्रेणी पहचान में भूमिका
CUB-200-2011 सूक्ष्म-श्रेणी दृश्य वर्गीकरण (FGVC) की आधारशिला है, जो कंप्यूटर विज़न का एक उपक्षेत्र है जिसका उद्देश्य उप-श्रेणी स्तर (जैसे, प्रजातियाँ, नस्लें) पर वस्तुओं को वर्गीकृत करना है। सामान्य वस्तु पहचान (जैसे, पक्षी को कार से अलग करना) के विपरीत, FGVC के लिए मॉडलों को उपस्थिति में सूक्ष्म अंतर पर ध्यान केंद्रित करने की आवश्यकता होती है। CUB-200-2011 का उपयोग कई तकनीकों को विकसित करने और मूल्यांकन करने के लिए किया गया है, जिनमें भाग-आधारित मॉडल, ध्यान तंत्र और Deep learning आर्किटेक्चर शामिल हैं। इसे अक्सर स्टैनफोर्ड डॉग्स और ऑक्सफोर्ड फ्लावर्स जैसे अन्य FGVC डेटासेट के साथ जोड़ा जाता है।
गहन शिक्षण अनुसंधान पर प्रभाव
Neural network के उदय के साथ, CUB-200-2011 नए आर्किटेक्चर के परीक्षण के लिए एक लोकप्रिय बेंचमार्क बन गया। उदाहरण के लिए, इसका उपयोग Residual Network (ResNet) और ध्यान-आधारित मॉडल के प्रदर्शन का मूल्यांकन करने के लिए किया गया था। डेटासेट के भाग एनोटेशन ने भाग स्थानीयकरण और भाग-आधारित वर्गीकरण पर अनुसंधान को सक्षम किया है, जहाँ मॉडल पहले भागों का पता लगाते हैं और फिर वर्गीकरण के लिए उनकी विशेषताओं का उपयोग करते हैं। यह Data Augmentation तकनीकों और Loss Functions के लिए एक परीक्षण मंच के रूप में भी कार्य करता है जो विशेष रूप से सूक्ष्म-श्रेणी कार्यों के लिए डिज़ाइन किए गए हैं। 2020 के दशक के मध्य तक, अत्याधुनिक मॉडल CUB-200-2011 पर 90% से अधिक सटीकता प्राप्त करते हैं, जो 2010 के दशक की शुरुआत से एक महत्वपूर्ण सुधार है जब सटीकता लगभग 50-60% थी।
सीमाएँ और विस्तार
अपनी लोकप्रियता के बावजूद, CUB-200-2011 की सीमाएँ हैं। छवियाँ अपेक्षाकृत छोटी हैं (औसत रिज़ॉल्यूशन लगभग 500x500 पिक्सेल), और डेटासेट उत्तरी अमेरिकी पक्षी प्रजातियों की ओर पक्षपाती है। एनोटेशन, हालांकि विस्तृत हैं, क्राउडसोर्सिंग के कारण असंगतताएँ हो सकती हैं। इनमें से कुछ मुद्दों को संबोधित करने के लिए, शोधकर्ताओं ने अतिरिक्त विशेषता एनोटेशन के साथ CUB-200-2011 जैसे विस्तार बनाए हैं या क्रॉस-डेटासेट ट्रांसफर लर्निंग में इसका उपयोग किया है। डेटासेट सूक्ष्म-श्रेणी पहचान के मूल्यांकन के लिए एक मानक बना हुआ है, और इसके डिज़ाइन ने iNaturalist जैसे बाद के डेटासेट को प्रभावित किया है।
यह भी देखें
संदर्भ
- Wah, C., Branson, S., Welinder, P., Perona, P., & Belongie, S. (2011). The Caltech-UCSD Birds-200-2011 Dataset. California Institute of Technology.
- Welinder, P., et al. (2010). Caltech-UCSD Birds 200. California Institute of Technology.