深層学習:物体検出タスクにおけるデータセットに関して

Question

###(問)
物体検出タスクに用いる大規模なデータセットに関しての説明として妥当な主張を一つ選びたいです。

1.VOC12ではGround-Truth BBの情報が中心座標と幅、高さで与えられていない。
2.フリマアプリの出品画像を入力とする物体検知タスクに取り組みたい。
3.ILSVRC17はImageNetのサブセットで構成され、Instance Segmentationの学習に必要な情報も与えられている
4.OICID18はクラス数が500と比較的大きなデータセットであるが、物体検知タスクにおいては常にクラス数の大きいデータセットで学習を行うほうが好ましい。

できればどの選択肢が正しく他の選択肢が違う理由を教えていただきたいです。

Answer 1

#答え
(1)
#理由
VOC2012ではGround TruthのBBに関する情報はここで<xmin>、<ymin>、<xmax>、<ymax>の四つのタグがあり、(xmin,ymin)と(xmax,ymax)の二つの点を対角に取った際の長方形で与えられており、
中心座標と幅、高さで与えられていないことから(1)が選ばれるはずです。