european_art
קוד פתוחbiglamcc-by-nc-2.02023-03-04
מעל 15000 תמונות של ציורים מהמאות ה־12 עד ה־18 עם תיוגים ידניים לזיהוי עצמים. הוא נבנה כי מודלים רגילים לראייה ממוחשבת נכשלים על אמנות היסטורית וישויות סמליות.
- 414הורדות בחודש
- 23לייקים
מה זה
המאגר מכיל מעל 15000 תמונות ציורים, כאשר כ־80% מהן מוגדרות כלא-איקוניות. התמונות מלוות בתיחום ידני סביב מופעים של 69 קטגוריות שונות, וכן 12 תנוחות אפשריות לעצמים דמויי אדם. יותר מ־50 מחלקות כאן ייחודיות למורשת תרבותית ולא קיימות במאגרי צילום רגילים, ביניהן יצורים דמיוניים וסמלים דתיים כמו מלאכים, דרקונים והילות.
הציורים נאספו ממוסדות תרבות ששיתפו תמונות ברישיון פתוח. הספקים העיקריים כוללים את המוזיאון הלאומי בוורשה עם 2030 תמונות, אוסף Europeana עם 1991 תמונות, המכון לאמנות של שיקגו, מוזיאון המטרופוליטן, והרייקסמוזיאום. הנתונים מגיעים בשתי תצורות: מבנה גולמי מקורי, ומבנה מותאם לפורמט COCO שכולל תיחום מלבני, מזהה קטגוריה ודגלים לטעינה נוחה בצינורות עיבוד קיימים.
מתאים ל
- זיהוי עצמים באמנות
אימון מודלים לאיתור פריטים היסטוריים ודמויות בציורים קלאסיים.
- סיווג תנוחות אנושיות
זיהוי 12 סוגי תנוחות עבור דמויות אדם ביצירות מהמאות ה־12 עד ה־18.
- סיווג תמונות אמנות
שימוש בתגיות הקטגוריה ללא מלבני התיחום למשימות סיווג כלליות.
איפה זה נופל
חוסר האיזון בין המחלקות קיצוני. קטגוריית person מופיעה 46806 פעמים ו־tree מופיעה 11356 פעמים, בזמן שישויות כמו judith מופיעות 85 פעמים, בננה 32 פעמים ועכבר 27 פעמים בלבד. מעבר לכך, יוצרי המאגר לא תיעדו את תהליך התיוג, זהות המתייגים, ניקוי הנתונים, הטיות אפשריות או מגבלות נוספות מעבר למה שמופיע במאמר. אם אתם בונים מודל שאמור לזהות פרטים נדירים, תצטרכו להתמודד עם מעט מאוד דוגמאות לחלק גדול מהמחלקות.
שאלות
נפוצות
האם מותר להשתמש במאגר לפרויקט מסחרי?
לא. הרישיון המדווח הוא cc-by-nc-2.0, שכולל הגבלת non-commercial מפורשת. כל שימוש מסחרי במידע או במודלים שנשענים עליו אינו מורשה.
איך מחולק הדאטהסט בין אימון לבדיקה?
המאגר כולל פיצול אימון בלבד בפורמט הנוכחי שלו. למרות שהמאמר המקורי מזכיר חלוקה ל־validation, הפיצול הזה לא פורסם בקבצים כאן ותצטרכו לחתוך אותו עצמאית.
מאיפה היצירות הגיעו?
התמונות הגיעו ממוסדות תרבות ציבוריים ומוזיאונים שמשתפים חומרים ברישיון פתוח. המקורות הגדולים ביותר במאגר הם המוזיאון הלאומי בוורשה ואוסף Europeana.
במה הוא שונה ממאגרי תמונות נפוצים אחרים?
מאגרים סטנדרטיים מתבססים בעיקר על תצלומי יום יום מודרניים. המאגר הזה מתמקד בציורים עתיקים ומכיל יותר מ־50 קטגוריות ייחודיות למורשת תרבותית, כמו סמלים דתיים ומפלצות, שלא קיימות במאגרים רגילים.
איך טוענים
הנתונים מחולקים ל־38 קבצי Parquet תחת תיקיית המידע ומיועדים לטעינה ישירה בספריות עיבוד מקובלות, ללא צורך בבקשת גישה מיוחדת. הכרטיס מציע שתי תצורות טעינה, raw או coco, כאשר תצורת coco מוסיפה שדות מובנים כמו bbox, category_id, רוחב, גובה וערוצי צבע. שימו לב שאין כאן חלוקה מוגדרת מראש לאימון, בדיקה ותיקוף. המאגר מגיע כולו בחלק אימון יחיד, כך שתצטרכו לבצע את החלוקה בעצמכם לפני תחילת העבודה.
from datasets import load_dataset
ds = load_dataset("biglam/european_art")הרישיון
המאגר מופץ תחת רישיון cc-by-nc-2.0. הרישיון הזה אוסר כל שימוש מסחרי ביצירות ובמידע, ומחייב מתן קרדיט מתאים ליוצרים. אם אתם מאמנים מודל על הנתונים האלה, לא תוכלו למכור אותו, לשלב אותו במוצר מסחרי או להפיק ממנו רווח ישיר, אלא להשתמש בו לצרכי מחקר וניסויים בלבד.