有注释的Flickr数据集用于识别专业摄影师

科学领域:

• 计算机视觉 计算机视觉
• 社交媒体分析
• 计算机摄影的使用

背景情况:

• 像Flickr这样的大规模照片共享平台产生了大量用户生成的图像数据.
• 了解用户行为和图像特征对于开发高级图像分析工具至关重要.
• 现有的数据集往往缺乏全面的元数据和客观的图像质量评估.

研究的目的:

• 从Flickr用户及其上传的照片创建一个丰富的注释数据集.
• 为了实现监督机器学习,用于与图像质量和摄影师专业性相关的任务.
• 促进计算机摄影和社交媒体分析方面的研究.

主要方法:

• 在2021年12月收集了来自27516名Flickr用户和2647928张上传的照片的数据.
• 通过自动化照片分析来丰富数据集,包括评论和图像质量评分.
• 利用卷积神经网络 (CNN) 在人类标记的数据上进行训练,以评估图像质量.
• 增加了标签,以识别专业摄影师进行监督培训.

主要成果:

• 一个精心策划的数据集,包含用户职业,照片元数据和客观图像质量评分.
• 每张照片都被赋予三个图像质量评估 (IQA) 评分,评估美学和技术方面.
• 数据集是专门为监督学习准备的,包括专业摄影师的标签.

结论:

• 开发的Flickr数据集为训练图像分析中的机器学习模型提供了宝贵的资源.
• 使用CNN的客观图像质量评估为评估摄影内容提供了一种可扩展的方法.
• 包括专业摄影师标签在内,支持研究将专业和业余作品区分开来.