Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

dmlab

Zestaw danych Dmlab zawiera klatki obserwowane przez agenta działającego w środowisku DeepMind Lab, które są opisane odległością między agentem a różnymi obiektami znajdującymi się w środowisku. Celem jest ocena zdolności modelu wizualnego do wnioskowania o odległościach od wejścia wizualnego w środowiskach 3D. Zbiór danych Dmlab składa się z kolorowych obrazów 360x480 w 6 klasach. Klasy są odpowiednio {blisko, daleko, bardzo daleko} x {pozytywna nagroda, negatywna nagroda}.

Podział Przykłady
'test' 22 735
'train' 65 550
'validation' 22,628
  • Cechy:
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),
})

Wyobrażanie sobie

  • cytat:
@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}
                          }