VisE-D: Visual Event Classification Dataset

Dataset: DatensatzDataset

Personen

  • Eric Müller-BudackTechnische Informationsbibliothek (TIB) Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek (Urheber*in)
  • Matthias SpringsteinTechnische Informationsbibliothek (TIB) Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek (Urheber*in)
  • Sherzod HakimovTechnische Informationsbibliothek (TIB) Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek (Urheber*in)
  • Kevin Mrutzek (Urheber*in)
  • Ralph EwerthTechnische Informationsbibliothek (TIB) Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek (Urheber*in)

Forschungseinrichtungen

Externe Organisationen

  • Technische Informationsbibliothek (TIB) Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek

Details

Datum der Bereitstellung2020
Herausgeber (Verlag)Forschungsdaten-Repositorium der LUH

Beschreibung

Content

- VisE-D.tar.gz:

- List of image URLs with corresponding meta information for the:
- "VisE-D" train dataset - "VisE-D" validation dataset
- "VisE-Bing" test dataset - "VisE-Bing" test dataset

- Different versions of the "Visual Event Ontology (VisE-O)":
- Initial Ontology
- Disambiguated Ontology
- Disambigauted Ontology for "Event Nodes" related to a minimum of ten "Events"
- Refined Ontology

- VisE-C.tar.gz: Classification baseline (denoted as C) based on the ResNet-50 architecture trained on "VisE-D".

- VisE-CO_cel.tar.gz: Ontology-driven approach with redundancy removal (denoted as CO^{cel}_{6\omega}-RR) based on the ResNet-50 architecture trained on "VisE-D".

- VisE-CO_cos.tar.gz: Ontology-driven approach (denoted as CO^{cos}_{\delta}) based on the ResNet-50 architecture trained on "VisE-D".

- RED.tar.gz: Ontologies and splits for the "RED" benchmark datasets (Ahsan et al. 2017)

- SocEID.tar.gz: Ontologies and splits for the "SocEID" benchmark datasets (Ahsan et al. 2017)

- WIDER.tar.gz: Ontologies and splits for the "WIDER" benchmark datasets (Xiong et al. 2015)

Source Code
The source code to reproduce our results can be found on our GitHub page: https://github.com/TIBHannover/VisE