coco_captions

  • Opis :

COCO to wielkoskalowy zestaw danych do wykrywania, segmentacji i podpisów obiektów. Ta wersja zawiera obrazy, ramki ograniczające, etykiety i podpisy z COCO 2014, podzielone na podzbiory zdefiniowane przez Karpathy'ego i Li (2015). To skutecznie dzieli oryginalne dane z walidacji COCO 2014 na nowe zestawy do walidacji i testów zawierające 5000 obrazów oraz zestaw „restval” zawierający pozostałe ~30 tys. obrazów. Wszystkie podziały mają adnotacje z podpisami.

Podział Przykłady
'restval' 30504
'test' 5000
'train' 82783
'val' 5000
  • Struktura funkcji :
FeaturesDict({
    'captions': Sequence({
        'id': int64,
        'text': string,
    }),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
    'image/id': int64,
    'objects': Sequence({
        'area': int64,
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'id': int64,
        'is_crowd': bool,
        'label': ClassLabel(shape=(), dtype=int64, num_classes=80),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
napisy Sekwencja
podpisy/id Napinacz int64
podpisy/tekst Napinacz strunowy
obraz Obraz (Brak, Brak, 3) uint8
obraz/nazwa pliku Tekst strunowy
obraz/identyfikator Napinacz int64
obiekty Sekwencja
obiekty/obszar Napinacz int64
obiekty/bbox Funkcja BBox (4,) pływak32
obiekty/identyfikator Napinacz int64
obiekty/jest_tłum Napinacz bool
obiekty/etykieta Etykieta klasy int64

Wyobrażanie sobie

  • Cytat :
@article{DBLP:journals/corr/LinMBHPRDZ14,
  author    = {Tsung{-}Yi Lin and
               Michael Maire and
               Serge J. Belongie and
               Lubomir D. Bourdev and
               Ross B. Girshick and
               James Hays and
               Pietro Perona and
               Deva Ramanan and
               Piotr Doll{'{a} }r and
               C. Lawrence Zitnick},
  title     = {Microsoft {COCO:} Common Objects in Context},
  journal   = {CoRR},
  volume    = {abs/1405.0312},
  year      = {2014},
  url       = {http://arxiv.org/abs/1405.0312},
  archivePrefix = {arXiv},
  eprint    = {1405.0312},
  timestamp = {Mon, 13 Aug 2018 16:48:13 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/LinMBHPRDZ14},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}@inproceedings{DBLP:conf/cvpr/KarpathyL15,
  author    = {Andrej Karpathy and
               Fei{-}Fei Li},
  title     = {Deep visual-semantic alignments for generating image
               descriptions},
  booktitle = { {IEEE} Conference on Computer Vision and Pattern Recognition,
               {CVPR} 2015, Boston, MA, USA, June 7-12, 2015},
  pages     = {3128--3137},
  publisher = { {IEEE} Computer Society},
  year      = {2015},
  url       = {https://doi.org/10.1109/CVPR.2015.7298932},
  doi       = {10.1109/CVPR.2015.7298932},
  timestamp = {Wed, 16 Oct 2019 14:14:50 +0200},
  biburl    = {https://dblp.org/rec/conf/cvpr/KarpathyL15.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

coco_captions/2014 (konfiguracja domyślna)