Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

pejzaże miejskie

  • opis:

Cityscapes to zbiór danych składający się z różnych miejskich scen ulicznych w 50 różnych miastach o różnych porach roku, a także podstaw dla kilku zadań wizyjnych, w tym segmentacji semantycznej, segmentacji na poziomie instancji (TODO) i wnioskowania o rozbieżności par stereo.

W przypadku zadań segmentacji (domyślny podział, dostępny za pośrednictwem „cityscapes/semantic_segmentation”), Cityscapes zapewnia gęste adnotacje na poziomie pikseli dla 5000 obrazów w rozdzielczości 1024 * 2048 wstępnie podzielone na zestawy szkoleniowe (2975), walidacji (500) i testowe (1525). Adnotacje do etykiet dla zadań segmentacji obejmują ponad 30 klas często spotykanych podczas percepcji sceny jazdy. Szczegółowe informacje etykieta można znaleźć tutaj: https://github.com/mcordts/cityscapesScripts/blob/master/cityscapesscripts/helpers/labels.py#L52-L99

Cityscapes udostępnia również adnotacje do segmentacji o zgrubnym ziarnie (dostępne za pośrednictwem „cityscapes/semantic_segmentation_extra”) dla obrazów 19998 w podziale „train_extra”, co może okazać się przydatne w przypadku modeli wstępnego uczenia/obfitych danych.

Oprócz segmentacji, pejzaże miejskie zapewniają również pary obrazów stereo i prawdy podstawowe dla zadań wnioskowania o rozbieżności zarówno w podziale normalnym, jak i dodatkowym (dostępne odpowiednio przez „pejzaże miejskie/stereo_disparity” i „pejzaże miejskie/stereo_disparity_extra”).

Ingored przykłady:

  • Dla „pejzaży miejskich/stereo_disparity_extra”:
    • troisdorf_000000 000073} {* zdjęć (nie występuje rozbieżność mapa)
  • Strona domowa: https://www.cityscapes-dataset.com

  • Kod źródłowy: tfds.image.Cityscapes

  • wersje:

    • 1.0.0 (domyślnie): Brak Uwagi do wydania.
  • Wielkość pliku: Unknown size

  • Ręczne pobieranie instrukcje: Ten zestaw danych wymaga, aby ręcznie pobrać dane źródłowe do download_config.manual_dir (domyślnie ~/tensorflow_datasets/downloads/manual/ )
    Musisz pobrać pliki z https://www.cityscapes-dataset.com/login/ (Ten zestaw danych wymaga rejestracji). Dla podstawowej konfiguracji (semantic_segmentation) musisz pobrać 'leftImg8bit_trainvaltest.zip' i 'gtFine_trainvaltest.zip'. Inne konfiguracje wymagają dodatkowych plików - więcej szczegółów znajdziesz w kodzie.

  • Auto-buforowane ( dokumentacja ): Nie

  • Klucze nadzorowane (patrz as_supervised doc ): None

  • Rysunek ( tfds.show_examples ): Nie jest obsługiwany.

  • cytat:

@inproceedings{Cordts2016Cityscapes,
  title={The Cityscapes Dataset for Semantic Urban Scene Understanding},
  author={Cordts, Marius and Omran, Mohamed and Ramos, Sebastian and Rehfeld, Timo and Enzweiler, Markus and Benenson, Rodrigo and Franke, Uwe and Roth, Stefan and Schiele, Bernt},
  booktitle={Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2016}
}

cityscapes/semantic_segmentation (konfiguracja domyślna)

  • Opis config: Widoki miejskie semantyczny segmentacja zestawu danych.

  • Zbiór danych rozmiar: 10.86 GiB

  • dzieli:

Podział Przykłady
'test' 1525
'train' 2975
'validation' 500
  • Cechy:
FeaturesDict({
    'image_id': Text(shape=(), dtype=tf.string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
})

pejzaże miejskie/semantic_segmentation_extra

  • Opis config: Widoki miejskie semantyczny segmentacja zestaw danych z rozłamu train_extra i grubych etykiet.

  • Zbiór danych rozmiar: 51.92 GiB

  • dzieli:

Podział Przykłady
'train' 2975
'train_extra' 19,998
'validation' 500
  • Cechy:
FeaturesDict({
    'image_id': Text(shape=(), dtype=tf.string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
})

pejzaże miejskie/stereo_disparity

  • Opis config: Miejskie krajobrazy obraz stereo i dysproporcja odwzorowuje zbiór danych.

  • Zbiór danych rozmiar: 25.03 GiB

  • dzieli:

Podział Przykłady
'test' 1525
'train' 2975
'validation' 500
  • Cechy:
FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
    'image_id': Text(shape=(), dtype=tf.string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
})

pejzaże miejskie/stereo_disparity_extra

  • Opis config: Miejskie krajobrazy obraz stereo i dysproporcja odwzorowuje zbiór danych z train_extra rozłamu.

  • Zbiór danych rozmiar: 119.18 GiB

  • dzieli:

Podział Przykłady
'train' 2975
'train_extra' 19,997
'validation' 500
  • Cechy:
FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
    'image_id': Text(shape=(), dtype=tf.string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
})