HICO-DET数据集

文献-Learning to Detect Human-Object Interaction

• 概述：2018年由密歇根大学和华盛顿大学共同提出HICO-DET数据集
• 关键词：数据集
• 论文地址：https://www.yuque.com/ugdongzhou/io8kmc/1661139
• 数据集: http://www-personal.umich.edu/~ywchao/hico/

主要贡献

• 提出一个新的benchmark ——HICO-DET，提供了超过150,000个标注后的人类-物体组合，包含600个HOI类别，即每个HOI类别平均250个组合实例。
• 提出了基于人-物区域的卷积神经网络HO-RCNN。分两步，1. 使用最先进的人体和物体检测器生成人体-物体区域对的proposal；2. 将每个人-物框proposal送入CNN，以生成HOI分类分数。

数据集

三个benchmark

• Full—— 所有的600个HOI分类
• Rare ——138个HOI类别（少于10个训练实例）
• Non-Rare ——462个HOI类别（大于等于10个训练实例）

两种评估方法

• Known Object ——定位HOI(如人-自行车对)以及区分互动(如“骑行”)
• Default setting ——更有挑战性，图像中可能不存在目标对象