coco_captions

COCO הוא מערך נתונים לזיהוי, פילוח וכתוביות בקנה מידה גדול של אובייקטים. גרסה זו מכילה תמונות, תיבות תוחמות, תוויות וכיתובים מ-COCO 2014, מפוצלות לתת-קבוצות שהוגדרו על ידי Karpathy ו-Li (2015). זה למעשה מחלק את נתוני האימות המקוריים של COCO 2014 למערכות אימות ובדיקות חדשות של 5000 תמונות, בתוספת ערכת "restval" המכילה את התמונות הנותרות של ~30,000. לכל הפיצולים יש הערות כיתוב.

  • תיאור תצורה : גרסה זו מכילה תמונות, תיבות תוחמות ותוויות עבור גרסת 2014.

  • דף הבית : http://cocodataset.org/#home

  • קוד מקור : tfds.object_detection.CocoCaptions

  • גרסאות :

    • 1.1.0 (ברירת מחדל): אין הערות שחרור.
  • גודל הורדה : 37.61 GiB

  • גודל מערך נתונים : 18.83 GiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'restval' 30,504
'test' 5,000
'train' 82,783
'val' 5,000
  • מבנה תכונה :
FeaturesDict({
    'captions': Sequence({
        'id': tf.int64,
        'text': tf.string,
    }),
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
    'image/id': tf.int64,
    'objects': Sequence({
        'area': tf.int64,
        'bbox': BBoxFeature(shape=(4,), dtype=tf.float32),
        'id': tf.int64,
        'is_crowd': tf.bool,
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=80),
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
כתוביות סדר פעולות
כתוביות/מזהה מוֹתֵחַ tf.int64
כיתובים/טקסט מוֹתֵחַ tf.string
תמונה תמונה (אין, אין, 3) tf.uint8
תמונה/שם קובץ טֶקסט tf.string
תמונה/מזהה מוֹתֵחַ tf.int64
חפצים סדר פעולות
חפצים/שטח מוֹתֵחַ tf.int64
אובייקטים/bbox BBoxFeature (4,) tf.float32
אובייקטים/מזהה מוֹתֵחַ tf.int64
objects/is_crowd מוֹתֵחַ tf.bool
חפצים/תווית ClassLabel tf.int64
@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 (תצורת ברירת המחדל)