USC-GRAD-STDdb

Por Brais Bosquet, Manuel Mucientes e Víctor Manuel Brea, do CiTIUS, e David de la Iglesia, Raquel Dosil e Daniel González, de Gradiant.

Introdución

A base de datos de detección de obxectos pequenos (USC-GRAD-STDdb) é un conxunto de segmentos de vídeo anotados obtidos de YouTube. USC-GRAD-STDdb está custodiada polo Centro Singular de Investigación en Tecnoloxías da Información (CiTIUS) da Universidade de Santiago de Compostela (USC), España e polo Centro Tecnológico de Telecomunicaciones de Galicia (Gradiant), España.

Polo que sabemos, USC-GRAD-STDdb é a primeira base de datos que contén unha cantidade suficiente de obxectos pequenos (obxectos menores de ≈16x16 píxeles) para adestrar e probar sistemas de detección de obxectos pequenos.

Descrición da base de datos

USC-GRAD-STDdb comprende 115 segmentos de vídeo que conteñen máis de 25.000 fotogramas anotados con resolución HD 720p (≈1280x720), con obxectos de interese pequenos que ocupan entre 16 (≈4x4) e 256 (≈16x16) píxeles de área. A duración dos vídeos vai dos 150 aos 500 fotogramas. O tamaño de cada obxecto determínase mediante a súa caixa delimitadora, polo que unha boa anotación é de suma importancia para obter métricas de rendemento fiables. Como pode parecer evidente, canto máis pequeno é o obxecto, máis difícil resulta anotarlo. A anotación levouse a cabo coa ferramenta ViTBAT, axustando as caixas o máximo posible aos obxectos de interese de cada fotograma de vídeo. En total, xeráronse máis de 56.000 etiquetas de referencia.