内容

斯坦福背景资料集是在Gould等人中引入的。（ICCV 2009），用于评估几何和语义场景理解的方法。数据集包含从公共数据集中选择的715张图像：LabelMe，MSRC，PASCAL VOC和Geometric Context。选择标准是针对室外场景的图像，该场景具有大约320 x 240像素，包含至少一个前景对象，并且图像中的水平位置（不需要可见）。语义和几何标签是使用Amazon的Mechanical Turk（AMT）获得的。

致谢

该数据集源自斯坦福DAGS实验室斯坦福背景数据集从场景理解数据集页面。如果在工作中使用此数据集，则应参考：

S. Gould，R。Fulton和D. Koller。将场景分解为几何和语义上一致的区域。国际计算机视觉会议（ICCV），2009年。[ pdf ]

灵感

使用计算机视觉技术在图像理解方面的快速进步为我们带来了许多跨越场景理解中各种基准数据集的最先进的深度学习模型。但是，这些数据集大多数都很庞大，需要几天的训练时间。我们可以使用更少的数据训练足够准确的场景理解模型吗？在数据约束下训练时，SOTA场景理解模型的性能如何？