Visualisasi : Jelajahi di Kenali Data Anda
Deskripsi :
Kumpulan data Dmlab berisi bingkai yang diamati oleh agen yang bertindak di lingkungan Lab DeepMind, yang dianotasi dengan jarak antara agen dan berbagai objek yang ada di lingkungan. Tujuannya adalah untuk mengevaluasi kemampuan model visual untuk mempertimbangkan jarak dari input visual dalam lingkungan 3D. Dataset Dmlab terdiri dari gambar berwarna 360x480 dalam 6 kelas. Kelasnya masing-masing adalah {dekat, jauh, sangat jauh} x {hadiah positif, hadiah negatif}.
Beranda : https://github.com/google-research/task_adaptation
Kode sumber :
tfds.image_classification.Dmlab
Versi :
-
2.0.1
(default): Tidak ada catatan rilis.
-
Ukuran unduhan :
2.81 GiB
Ukuran dataset :
3.13 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :
Membelah | Contoh |
---|---|
'test' | 22.735 |
'train' | 65.550 |
'validation' | 22.628 |
- Struktur fitur :
FeaturesDict({
'filename': Text(shape=(), dtype=string),
'image': Image(shape=(360, 480, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=6),
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Dtype | Keterangan |
---|---|---|---|---|
fiturDict | ||||
nama file | Teks | rangkaian | ||
gambar | Gambar | (360, 480, 3) | uint8 | |
label | LabelKelas | int64 |
Kunci yang diawasi (Lihat
as_supervised
doc ):('image', 'label')
Gambar ( tfds.show_examples ):
- Contoh ( tfds.as_dataframe ):
- Kutipan :
@article{zhai2019visual,
title={The Visual Task Adaptation Benchmark},
author={Xiaohua Zhai and Joan Puigcerver and Alexander Kolesnikov and
Pierre Ruyssen and Carlos Riquelme and Mario Lucic and
Josip Djolonga and Andre Susano Pinto and Maxim Neumann and
Alexey Dosovitskiy and Lucas Beyer and Olivier Bachem and
Michael Tschannen and Marcin Michalski and Olivier Bousquet and
Sylvain Gelly and Neil Houlsby},
year={2019},
eprint={1910.04867},
archivePrefix={arXiv},
primaryClass={cs.CV},
url = {https://arxiv.org/abs/1910.04867}
}