ImageNet: Um banco de dados hierárquico de imagens em grande escala

A explosão de dados de imagens na Internet tem o potencial de promover modelos e algoritmos mais sofisticados e robustos para indexar, recuperar, organizar e interagir com imagens e dados multimídia. Mas exatamente como esses dados podem ser aproveitados e organizados continua sendo um problema crítico. Introduzimos aqui um novo banco de dados chamado "ImageNet", uma ontologia de imagens em grande escala construída sobre a estrutura fundamental do WordNet. O ImageNet visa popular a maioria dos 80.000 synsets do WordNet com uma média de 500 a 1000 imagens limpas e em alta resolução. Isso resultará em dezenas de milhões de imagens anotadas organizadas pela hierarquia semântica do WordNet. Este artigo oferece uma análise detalhada do ImageNet em seu estado atual: 12 subárvores com 5247 synsets e 3,2 milhões de imagens no total. Mostramos que o ImageNet é muito maior em escala e diversidade e muito mais preciso do que os conjuntos de dados de imagens atuais. Construir um banco de dados em tão grande escala é uma tarefa desafiadora. Descrevemos o esquema de coleta de dados com o Amazon Mechanical Turk. Por fim, ilustramos a utilidade do ImageNet por meio de três aplicações simples em reconhecimento de objetos, classificação de imagens e agrupamento automático de objetos. Esperamos que a escala, precisão, diversidade e estrutura hierárquica do ImageNet possam oferecer oportunidades incomparáveis aos pesquisadores da comunidade de visão computacional e além.