celeb_a

संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

• विवरण :

सेलेबफेसेस एट्रिब्यूट्स डेटासेट (सेलेबए) एक बड़े पैमाने का फेस एट्रिब्यूट्स डेटासेट है जिसमें 200K से अधिक सेलिब्रिटी छवियां हैं, प्रत्येक में 40 विशेषता एनोटेशन हैं। इस डेटासेट की छवियां बड़ी मुद्रा विविधताओं और पृष्ठभूमि अव्यवस्था को कवर करती हैं। सेलेबए में बड़ी विविधताएं, बड़ी मात्राएं और समृद्ध एनोटेशन हैं, जिनमें - 10,177 पहचान की संख्या, - 202,599 चेहरे की छवियों की संख्या, और - 5 ऐतिहासिक स्थान, प्रति छवि 40 बाइनरी विशेषता एनोटेशन शामिल हैं।

डेटासेट को निम्नलिखित कंप्यूटर विज़न कार्यों के लिए प्रशिक्षण और परीक्षण सेट के रूप में नियोजित किया जा सकता है: चेहरा विशेषता पहचान, चेहरा पहचान, और लैंडमार्क (या चेहरे का हिस्सा) स्थानीयकरण।

• अतिरिक्त दस्तावेज़ीकरण : north_east कोड वाले कागजात पर अन्वेषण करें

• मुखपृष्ठ : http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

• स्रोत कोड : tfds.datasets.celeb_a.Builder

• संस्करण :

  • 2.0.1 : नई स्प्लिट एपीआई ( https://tensorflow.org/datasets/splits )
  • 2.1.0 (डिफ़ॉल्ट): पहचान सुविधा जोड़ी गई।

• डाउनलोड आकार : 1.39 GiB

• डेटासेट का आकार : 1.63 GiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'attributes': FeaturesDict({
        '5_o_Clock_Shadow': bool,
        'Arched_Eyebrows': bool,
        'Attractive': bool,
        'Bags_Under_Eyes': bool,
        'Bald': bool,
        'Bangs': bool,
        'Big_Lips': bool,
        'Big_Nose': bool,
        'Black_Hair': bool,
        'Blond_Hair': bool,
        'Blurry': bool,
        'Brown_Hair': bool,
        'Bushy_Eyebrows': bool,
        'Chubby': bool,
        'Double_Chin': bool,
        'Eyeglasses': bool,
        'Goatee': bool,
        'Gray_Hair': bool,
        'Heavy_Makeup': bool,
        'High_Cheekbones': bool,
        'Male': bool,
        'Mouth_Slightly_Open': bool,
        'Mustache': bool,
        'Narrow_Eyes': bool,
        'No_Beard': bool,
        'Oval_Face': bool,
        'Pale_Skin': bool,
        'Pointy_Nose': bool,
        'Receding_Hairline': bool,
        'Rosy_Cheeks': bool,
        'Sideburns': bool,
        'Smiling': bool,
        'Straight_Hair': bool,
        'Wavy_Hair': bool,
        'Wearing_Earrings': bool,
        'Wearing_Hat': bool,
        'Wearing_Lipstick': bool,
        'Wearing_Necklace': bool,
        'Wearing_Necktie': bool,
        'Young': bool,
    }),
    'identity': FeaturesDict({
        'Identity_No': int64,
    }),
    'image': Image(shape=(218, 178, 3), dtype=uint8),
    'landmarks': FeaturesDict({
        'lefteye_x': int64,
        'lefteye_y': int64,
        'leftmouth_x': int64,
        'leftmouth_y': int64,
        'nose_x': int64,
        'nose_y': int64,
        'righteye_x': int64,
        'righteye_y': int64,
        'rightmouth_x': int64,
        'rightmouth_y': int64,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

• चित्र ( tfds.show_examples ):

• उदाहरण ( tfds.as_dataframe ):

• उद्धरण :

@inproceedings{conf/iccv/LiuLWT15,
  added-at = {2018-10-09T00:00:00.000+0200},
  author = {Liu, Ziwei and Luo, Ping and Wang, Xiaogang and Tang, Xiaoou},
  biburl = {https://www.bibsonomy.org/bibtex/250e4959be61db325d2f02c1d8cd7bfbb/dblp},
  booktitle = {ICCV},
  crossref = {conf/iccv/2015},
  ee = {http://doi.ieeecomputersociety.org/10.1109/ICCV.2015.425},
  interhash = {3f735aaa11957e73914bbe2ca9d5e702},
  intrahash = {50e4959be61db325d2f02c1d8cd7bfbb},
  isbn = {978-1-4673-8391-2},
  keywords = {dblp},
  pages = {3730-3738},
  publisher = {IEEE Computer Society},
  timestamp = {2018-10-11T11:43:28.000+0200},
  title = {Deep Learning Face Attributes in the Wild.},
  url = {http://dblp.uni-trier.de/db/conf/iccv/iccv2015.html#LiuLWT15},
  year = 2015
}