Oxford Pets는 옥스퍼드 대학교의 연구자들이 세밀한 이미지 분류와 의미론적 분할을 위해 만든 컴퓨터 비전 데이터셋이다. 이 데이터셋은 37개 품종의 고양이와 개 이미지 7,349장으로 구성되며, 각 이미지에는 종 레이블, 품종 레이블, 픽셀 수준의 트라이맵 분할 마스크가 주석으로 달려 있다. 이 데이터셋은 2012년에 소개되었으며, 세밀한 시각 인식 작업에서 모델을 평가하는 표준 벤치마크가 되었다.
이 데이터셋은 메인쿤과 노르웨이 숲 고양이의 차이처럼 시각적으로 유사한 품종을 구별하는 과제를 해결하기 위해 설계되었다. 각 품종은 약 200장의 이미지로 표현되며, 데이터셋은 훈련, 검증, 테스트 세트로 미리 나뉘어 있다. 이미지는 인터넷에서 수집되었으며 자세, 조명, 배경의 변형을 포함하여 이전 데이터셋보다 더 현실적인 작업을 제공한다.
데이터셋 구조
Oxford Pets 데이터셋은 클래스 레이블과 분할 마스크라는 두 가지 주요 주석 유형을 제공한다. 클래스 레이블은 각 이미지에 있는 동물의 품종을 식별하며, 분할 마스크는 각 픽셀을 전경(동물), 배경, 또는 미지(일반적으로 경계 영역)의 세 가지 범주 중 하나로 할당하는 트라이맵이다. 이러한 이중 주석 덕분에 데이터셋은 분류와 분할 작업 모두에 사용될 수 있으며, 종종 다중 작업 학습 설정에서 동시에 사용된다.
공식 분할은 훈련에 약 50%, 검증에 20%, 테스트에 30%의 이미지를 할당한다. 데이터셋은 인간이나 다른 동물의 이미지를 포함하지 않으며 고양이와 개에만 초점을 맞춘다. 품종 목록은 비글과 페르시안 고양이 같은 일반적인 유형뿐만 아니라 버먼과 아메리칸 불독 같은 희귀한 유형을 포함하여 25개 개 품종과 12개 고양이 품종을 다룬다.
연구에서의 사용
Oxford Pets는 머신 러닝 및 컴퓨터 비전 커뮤니티에서 광범위하게 사용되었다. 이는 합성곱 신경망 및 기타 아키텍처의 세밀한 분류 성능을 평가하는 벤치마크 역할을 한다. 이 데이터셋은 모델이 품종 간의 미묘한 차이를 포착해야 하므로 거친 객체 인식을 넘어서는 작업을 요구한다는 점에서 특히 가치가 있다.
연구자들은 Oxford Pets를 사용하여 데이터 증강, 전이 학습, 모델 가지치기의 혁신을 테스트했다. 예를 들어, 이 데이터셋은 잔차 네트워크와 U-Net 아키텍처의 분할 효과를 입증하는 데 사용되었다. 트라이맵 마스크는 또한 모델이 이미지 수준의 레이블에서 픽셀 수준의 예측을 학습하는 약한 지도 분할 연구를 가능하게 한다.
다른 데이터셋과의 관계
Oxford Pets는 스탠포드 자동차 데이터셋 및 CUB-200 조류 데이터셋과 같은 다른 세밀한 데이터셋과 자주 비교된다. 이러한 데이터셋은 시각적으로 유사한 많은 클래스를 가진 유사한 구조를 공유하며, 도메인 간 모델의 일반화를 평가하기 위해 함께 사용되는 경우가 많다. 이 데이터셋은 또한 분할 주석을 제공하는 PASCAL VOC 데이터셋과 함께 다중 작업 학습에 자주 사용된다.
인공 지능 연구의 맥락에서 Oxford Pets는 ImageNet과 같은 대규모 컬렉션에 비해 상대적으로 작은 데이터셋으로 간주된다. 이는 데이터셋 크기가 모델 성능에 미치는 영향을 연구하고 퓨샷 학습 및 자기 지도 학습과 같은 제한된 데이터로 잘 작동하는 기술을 개발하는 데 유용하다.
한계 및 확장
Oxford Pets의 주요 한계는 크기로, 대규모 모델을 처음부터 훈련할 때 과적합을 초래할 수 있다. 이를 완화하기 위해 연구자들은 사전 훈련된 모델을 사용하고 데이터셋에서 미세 조정하는 경우가 많다. 또 다른 한계는 이미지가 모두 자연 환경의 반려동물이라는 점으로, 의료 영상이나 자율 주행과 같은 다른 도메인에는 일반화되지 않을 수 있다.
이러한 한계에도 불구하고 데이터셋은 벤치마킹 및 교육 목적으로 여전히 인기 있는 선택이다. 이는 학술적 사용을 위해 무료로 제공되며 PyTorch 및 TensorFlow와 같은 많은 인기 딥 러닝 라이브러리의 내장 데이터셋 모듈에 포함되어 있다. 이 데이터셋은 더 많은 품종과 이미지를 추가하는 Oxford Pets II 데이터셋과 같은 확장에도 영감을 주었지만, 원본 버전이 여전히 가장 널리 사용된다.