subdiscover通过子类别发现与分割提升视觉数据清理

此代码库主要用于论文：Xinlei Chen、Abhinav Shrivastava和Abhinav Gupta。“通过对象发现和分割来丰富视觉知识库。”（CVPR，2014年）。通过忽略分段部分，也可用于清理网络数据，建议参考：Xinlei Chen、Abhinav Shrivastava和Abhinav Gupta的论文 “尼尔：从网络数据中提取视觉知识。”（ICCV，2013年）。

使用方法：

• 路径设置：在startup.m中设置数据路径，主要包括数据路径和缓存路径；代码将遍历data文件夹中的所有数据集，并在cache文件夹中生成文件。

• 评估：没有基本事实也没关系，仅需忽略它们，不对结果进行评估。

• 函数调用顺序：请参考Pipeline.m文件。

• 运行环境：通常在计算集群上运行，但也可在单台机器上进行小规模实验。仅在Linux上测试，但如有需求，可尝试在其他平台运行。