dmlab

• Visualizzazione : Esplora in Conosci i tuoi dati north_east

• Descrizione :

Il set di dati Dmlab contiene frame osservati dall'agente che agisce nell'ambiente DeepMind Lab, che sono annotati dalla distanza tra l'agente e vari oggetti presenti nell'ambiente. L'obiettivo è quello di valutare la capacità di un modello visivo di ragionare sulle distanze dall'input visivo in ambienti 3D. Il set di dati Dmlab è costituito da immagini a colori 360x480 in 6 classi. Le classi sono rispettivamente {vicino, lontano, molto lontano} x {ricompensa positiva, ricompensa negativa}.

• Pagina iniziale : https://github.com/google-research/task_adaptation

• Codice sorgente : tfds.image_classification.Dmlab

• Versioni :

  • 2.0.1 (impostazione predefinita): nessuna nota di rilascio.

• Dimensione del download : 2.81 GiB

• Dimensione del set di dati: 3.13 GiB

• Cache automatica ( documentazione ): No

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'filename': Text(shape=(), dtype=string),
    'image': Image(shape=(360, 480, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=6),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi as_supervised doc ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• Citazione :

@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}
                          }