ImageNet: Eine groß angelegte hierarchische Bilddatenbank

Die Explosion der Bilddaten im Internet bietet das Potenzial, ausgefeiltere und robustere Modelle und Algorithmen zu entwickeln, um Bilder und Multimediadaten zu indexieren, abzurufen, zu organisieren und zu nutzen. Doch wie genau solche Daten genutzt und organisiert werden können, bleibt ein kritisches Problem. Wir stellen hier eine neue Datenbank namens "ImageNet" vor, eine groß angelegte Ontologie von Bildern, aufgebaut auf der Grundlage der WordNet-Struktur. ImageNet zielt darauf ab, die Mehrheit der 80.000 Synsets von WordNet mit durchschnittlich 500–1000 sauberen und hochauflösenden Bildern zu füllen. Dies wird zu mehreren zehn Millionen annotierten Bildern führen, die nach der semantischen Hierarchie von WordNet organisiert sind. Dieses Papier bietet eine detaillierte Analyse von ImageNet in seinem aktuellen Zustand: 12 Teilbäume mit 5247 Synsets und insgesamt 3,2 Millionen Bildern. Wir zeigen, dass ImageNet in Bezug auf Umfang, Vielfalt und Genauigkeit wesentlich größer ist als die derzeitigen Bilddatensätze. Der Aufbau einer solchen groß angelegten Datenbank ist eine anspruchsvolle Aufgabe. Wir beschreiben das Datensammlungsverfahren mit Amazon Mechanical Turk. Abschließend veranschaulichen wir die Nützlichkeit von ImageNet anhand von drei einfachen Anwendungen in den Bereichen Objekterkennung, Bildklassifikation und automatische Objektgruppierung. Wir hoffen, dass Umfang, Genauigkeit, Vielfalt und hierarchische Struktur von ImageNet Forschern in der Computer-Vision-Community und darüber hinaus unvergleichliche Möglichkeiten bieten können.