- 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 :
شکاف | مثال ها |
---|---|
'test' | 22،735 |
'train' | 65،550 |
'validation' | 22،628 |
- 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 ):