数据集概述
该数据集针对艺术品目标检测任务构建，包含四万七千一百二十张图像及三万八千一百一十六个目标级标注，覆盖一百三十九个细粒度类别。数据具有类别详细、目标密集重叠、空间分布覆盖全画布等特点，支持视觉文化遗产研究与气味感知相关的目标识别交叉研究。
文件详解
- 核心标注文件（COCO JSON格式）：
- instances_test.json：测试集目标标注文件，包含目标边界框、类别等信息
- instances_train.json：训练集目标标注文件，结构同测试集
- instances_all.json：全量数据集标注文件，整合训练与测试数据
- 类别结构：通过COCO格式的supercategory字段实现两级类别层级
- 元数据文件：
- meta.csv：CSV格式图像级元数据文件，字段包括：
- File Name：图像文件名（与标注文件关联键）
- Artist：艺术家信息
- Title：作品标题
- Iconography：图像内容描述
- Earliest Date/Latest Date：创作时间范围
- Genre：艺术类型
- Material：创作材料
- Iconclass code：Iconclass分类代码
- License：版权信息
- Description：图像描述
- 辅助工具：
- download_imgs.py：Python脚本，用于下载艺术品图像
- images.zip：数据集图像压缩包
适用场景
- 艺术品目标检测研究：探索细粒度类别、密集重叠目标的检测算法
- 视觉文化遗产分析：基于图像元数据开展艺术史与文化研究
- 跨模态感知研究：分析目标识别与气味感知的关联
- 计算机视觉算法测试：验证算法在复杂艺术图像上的鲁棒性
- 数字人文研究：结合Iconclass编码开展语义图像检索
