You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
sensitivity — accuracy of a model on images with landmarks (also called Recall)
?? 학습모델을 랜크마크 이미지를 가지고 구성하여 모델 생성
specificity — accuracy of a model on images without landmarks.
?? 학습모델을 랜크마크 이미지없이 가지고 구성하여 모델 생성.
test data ?
“rare” and “frequent” landmarks.
“Part from total number” : shows what percentage of landmark examples in the offline test
has the corresponding type of landmarks > offline??몬지는 모르겠지만.ㅎ 전체 수집한것중 잘 나타나지 않는 landmark를 의미하는듯.??
각 클래스를 보고 그 클래스의 갯수를 보고 자른것인가? 그렇다면 반대가 되어야하는데. ㅠ(유명 랜드마크는 그 클래스안에서는 개수는 많아도 전체 지구 개수의 랜드마크의 아주 일부분이기 때문에....?? 그래서 이 개념은 아닌듯) > 데이터를 주지 않으니..ㅠ
특정 영역(geo)을 crawling를 했는데..그때의 전체 이미지중 보니 매우 낮은 랜드마크만 있었서 나머지는 non-landmark 비율이 높은 경우를 'rare'로 하지 않았을까?
It’s very important to understand how model works on “rare” landmarks due to the small amount of data for them.
데이터셋구성
test set > all: 581545 > 이중 약 3%만 landmark 이미지
아래 그림은 "rare" vs "frequent" > 그림보고도 이해안감.ㅠ > 대충? 설명
아래 그림의 왼쪽은 centriod들과 밀접한 top 5 centriod 이미지 > 그래서, 각 클래스안에 다른 view가 존재하는듯..(위에서 언급)
eval set 평가 = Medium vs Hard > distractors image에 대한 포함여부 테스트
평가가 살짝 fair하지 않는듯 > 여기서는 자체 train set를 ... > ( neuralcode같은것을 이용하지 않고..) > 공개했으면..
neuralcode나 google landmark 데이터셋을 trainset으로한 실험도 같이 했으면 더 좋을것 같다.
https://arxiv.org/abs/1908.10192
The text was updated successfully, but these errors were encountered: