dmlab

• توضیحات :

مجموعه داده Dmlab حاوی فریم هایی است که توسط عامل موجود در محیط آزمایشگاه DeepMind مشاهده شده است و با فاصله بین عامل و اشیا objects مختلف موجود در محیط حاشیه نویسی می شوند. هدف این است که ارزیابی توانایی یک مدل تصویری برای استدلال در مورد فاصله از ورودی بصری در محیط های 3D باشد. مجموعه داده Dmlab از تصاویر رنگی 360x480 در 6 کلاس تشکیل شده است. کلاسها به ترتیب {نزدیک ، دور ، خیلی دور} x {پاداش مثبت ، پاداش منفی} هستند.

• صفحه اصلی : https://github.com/google-research/task_adaptation

• کد منبع : tfds.image_classification.Dmlab

• نسخه ها :

  • 2.0.1 (پیش فرض): بدون یادداشت انتشار.

• اندازه بارگیری : 2.81 GiB

• اندازه مجموعه داده : 3.13 GiB

• ذخیره خودکار ( مستندات ): خیر

• تقسیم :

• ویژگی ها :

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

• کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('image', 'label')

• نقل قول :

@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}
                          }

• شکل ( tfds.show_examples ):

• مثالها ( tfds.as_dataframe ):