CUB-200-2011（Caltech-UCSD Birds-200-2011データセットとしても知られる）は、機械学習およびコンピュータビジョンにおける細粒度視覚分類タスクのためのベンチマークデータセットである。2011年にカリフォルニア工科大学とカリフォルニア大学サンディエゴ校の研究者らによって公開され、視覚的に類似した鳥の種を区別するアルゴリズムに挑戦を与え、一般的な物体認識を超えることを目的として設計された。
このデータセットには200種の鳥の11,788枚の画像が含まれ、各画像にはバウンディングボックス、二値のパーツ分割マスク、および15個の主要な身体部位（例：くちばし、翼、尾）の位置が注釈として付与されている。さらに、各画像には312個の二値属性ラベル（例：「胸が赤い」「翼の色：青」）とテキストによる説明が関連付けられている。この豊富な注釈構造により、CUB-200-2011は微妙な視覚的差異を学習するモデルを評価するための標準的なテストベッドとなっている。
歴史と作成
CUB-200-2011は、元のCUB-200データセット（2010年）の拡張版として導入された。元のデータセットには200種の6,033枚の画像が含まれていた。2011年版では、より多くの画像、パーツ注釈、属性ラベルが追加された。このデータセットは、Catherine Wah、Steve Branson、Peter Welinder、Pietro Perona、Serge Belongieによって作成された。資金は米国国立科学財団と海軍研究局から提供された。画像はFlickrやその他のオンラインリポジトリから取得され、クラウドソーシングプラットフォームを通じて人間の注釈者によってフィルタリングおよびラベル付けが行われた。
構造と注釈
CUB-200-2011の各画像には、一連の注釈ファイルが付随している。バウンディングボックスは鳥のタイトなクロップを提供する。パーツ位置は、頭頂、額、目、くちばし、のど、胸、腹、翼、尾を含む15個のパーツについて(x,y)座標として与えられる。二値のセグメンテーションマスクは、どのピクセルが鳥に属するかを示す。属性ラベルは二値（0または1）であり、色のパターン、形状、行動をカバーする。データセットにはトレイン/テスト分割も含まれており、トレーニング用に5,994枚、テスト用に5,794枚が割り当てられ、各分割に種の約半数が含まれる。
細粒度認識における役割
CUB-200-2011は、コンピュータビジョンのサブフィールドである細粒度視覚分類（FGVC）の基盤となるデータセットであり、サブカテゴリレベル（例：種、品種）で物体を分類することを目的としている。一般的な物体認識（例：鳥と車を区別する）とは異なり、FGVCではモデルが外観の微妙な差異に焦点を当てる必要がある。CUB-200-2011は、パーツベースモデル、アテンションメカニズム、深層学習アーキテクチャなど、多くの技術の開発と評価に使用されてきた。また、Stanford DogsやOxford Flowersなどの他のFGVCデータセットと併用されることが多い。
深層学習研究への影響
ニューラルネットワークの台頭に伴い、CUB-200-2011は新しいアーキテクチャをテストするための人気のあるベンチマークとなった。例えば、残差ネットワークやアテンションベースモデルの性能評価に使用された。このデータセットのパーツ注釈により、パーツの位置特定とパーツベース分類に関する研究が可能になり、モデルがまずパーツを検出し、その特徴を分類に使用する手法が開発された。また、細粒度タスク向けに設計されたデータ拡張技術や損失関数のテストベッドとしても機能している。2020年代半ばの時点で、最先端のモデルはCUB-200-2011で90%以上の精度を達成しており、2010年代初頭の約50〜60%の精度から大幅に改善されている。
制限と拡張
その人気にもかかわらず、CUB-200-2011には制限がある。画像は比較的小さく（平均解像度は約500×500ピクセル）、データセットは北米の鳥種に偏っている。注釈は詳細であるが、クラウドソーシングによる不整合が存在する可能性がある。これらの問題の一部に対処するため、研究者らは追加の属性注釈を備えたCUB-200-2011の拡張版を作成したり、クロスデータセット転移学習に使用したりしている。このデータセットは細粒度認識の評価の標準として残り続けており、その設計は後のiNaturalistなどのデータセットに影響を与えた。
関連項目
参考文献
- 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.