论文笔记：Revisiting Oxford and Paris: Large-Scale Image Retrieval Benchmarking

Revisiting Oxford and Paris: Large-Scale Image Retrieval Benchmarking(CVPR2018)

github: https://github.com/filipradenovic/revisitop

 

Oxford5K和Paris6k一直是图像检索中最受欢迎的数据集，主要原因是其每一组中图片数量较多。然而，由于数据集年份较久，标注观点等的变化，两个数据集都存在以下问题：

1.图片标注错误

2.数据量少

3.难以在定量的评估新方法（近几年很多方法在两个数据集上都有近乎完美的结果）

 

针对上述问题，此论文主要贡献如下:

1. 在原来两个数据集的基础上，提出了ROxford 、RParis 和 R1M

ROxford 、RParis：在Oxford5K和Paris6k数据上重新标注，修复了以前的标签问题；增加了query数量（从55到70）；重新分配标签（Easy，Hard，Unclear，Negative）

R1M 则是通过多种方式挑选出来的具有挑战性的干扰集

2. 提出了三种类型评估方式 Easy\Medium\Hard

3.对多种方法进行了重新实验评估，分析了不同方法操作在数据集上的性能（具体请见文中图表）

 

这篇文章虽然没有方法上面的创新，但是其贡献也是不可忽视的，尤其是在对数据集上的建设，对以后的图像检索方法的发展起到了很大的作用。同时，大量的比较实验也让业内人员对不同方法的运用有了一个公平的度量。

对于图像检索的小白而言，这篇文章也给了我很多要学习方法的指导。