Visualizzazione : Esplora in Conosci i tuoi dati
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 :
Diviso | Esempi |
---|---|
'test' | 22.735 |
'train' | 65.550 |
'validation' | 22.628 |
- 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 :
Caratteristica | Classe | Forma | Tipo D | Descrizione |
---|---|---|---|---|
CaratteristicheDict | ||||
nome del file | Testo | corda | ||
Immagine | Immagine | (360, 480, 3) | uint8 | |
etichetta | ClassLabel | int64 |
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}
}