使用 Open Images Extended 增加图像多样性

文 / Anurag Batra 和 Parker Barnes，Google AI 产品经理

前不久，我们推出了 Kaggle 包容性图像竞赛，这是神经信息处理系统大会 (NeurIPS) 2018 年竞赛赛项的一部分，旨在推动关于训练数据集中地理倾斜对 ML 模型性能的影响的研究，同时激发创新，开发更具包容性的模型。竞赛的帷幕已然落下，但构建多样化数据集的更广泛运动才刚刚开始。

我们将发布 Open Images Extended，这是 Google Open Images 数据集的一个新分支，我们希望它能成为一个补充数据集集合，收集更多能够更好地代表全球多样性的图像和/或注释。我们首先要添加的是 Crowdsourced 扩展数据集，其中包含由全球各地 Crowdsource 应用用户提供的图像，总量超过 478000 张。

关于 Open Images Extended 的 Crowdsource 扩展数据集

为了促进 Open Images 的地理多样性，我们发动全球各地的 Crowdsource 应用用户拍摄身边的世界，并将这些照片作为 Open Images Extended 数据集的一部分提供给研究人员和开发者使用。大多数图像来自印度，有些具代表性的图像来自中东、非洲和拉丁美洲。

这些图像聚焦一些主要类别，例如家用物品、动植物、食物以及各行各业的人（为保护隐私，所有人的面部均作了模糊处理）。您可以在 https://ai.google/static/documents/datasets/open-images-extended-crowdsourced.pdf  找到关于数据集构成的详细信息。

来自印度和新加坡的图片，由 Crowdsource 应用用户供稿

参与计划

这只是万里长征迈出的第一步。要打造具有包容性的 ML 产品，训练数据必须从多个维度展现全球多样性。为此，我们邀请全球社群提供您家乡和社区的影像，帮助扩展 Open Images Extended 数据集。快来下载 Crowdsource Android 应用，投出您用手机拍摄的图片。

致谢

Open Images Extended 之所以能成功发布，离不开许多人的勤勉工作，包括但不限于以下人士（以姓氏字母排序）：James Atwood、Pallavi Baljekar、Peggy Chi、Tulsee Doshi、Tom Duerig、Vittorio Ferrari、Akshay Gaur、Victor Gomes、Yoni Halpern、Gursheesh Kaur、Mahima Pushkarna、Jigyasa Saxena、D. Sculley、Richa Singh、Rachelle Summers。