ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

clevr

CLEVR เป็นชุดข้อมูลการวินิจฉัยที่ทดสอบช่วงความสามารถในการให้เหตุผลด้วยภาพ มีอคติน้อยที่สุดและมีคำอธิบายประกอบโดยละเอียดที่อธิบายประเภทของการให้เหตุผลสำหรับคำถามแต่ละข้อ

  • โฮมเพจ: https://cs.stanford.edu/people/jcjohns/clevr/

  • รหัสที่มา: tfds.image.CLEVR

  • รุ่น:

    • 3.0.0 : ไม่มีบันทึกประจำรุ่น
    • 3.1.0 (เริ่มต้น): เพิ่มคำถามข้อความ / คำตอบ
  • ขนาดการดาวน์โหลด: 17.72 GiB

  • ขนาดชุด: 17.75 GiB

  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'test' 15,000
'train' 70,000
'validation' 15,000
  • คุณสมบัติ:
FeaturesDict({
    'file_name': Text(shape=(), dtype=tf.string),
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'objects': Sequence({
        '3d_coords': Tensor(shape=(3,), dtype=tf.float32),
        'color': ClassLabel(shape=(), dtype=tf.int64, num_classes=8),
        'material': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
        'pixel_coords': Tensor(shape=(3,), dtype=tf.float32),
        'rotation': tf.float32,
        'shape': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
        'size': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    }),
    'question_answer': Sequence({
        'answer': Text(shape=(), dtype=tf.string),
        'question': Text(shape=(), dtype=tf.string),
    }),
})

การสร้างภาพ

  • อ้างอิง:
@inproceedings{johnson2017clevr,
  title={ {CLEVR}: A diagnostic dataset for compositional language and elementary visual reasoning},
  author={Johnson, Justin and Hariharan, Bharath and van der Maaten, Laurens and Fei-Fei, Li and Lawrence Zitnick, C and Girshick, Ross},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  year={2017}
}