ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

dmlab

ชุดข้อมูล Dmlab มีเฟรมที่สังเกตโดยตัวแทนที่ทำงานในสภาพแวดล้อม DeepMind Lab ซึ่งระบุหมายเหตุโดยระยะห่างระหว่างตัวแทนกับวัตถุต่างๆ ที่มีอยู่ในสภาพแวดล้อม เป้าหมายคือเพื่อประเมินความสามารถของแบบจำลองภาพเพื่อให้เหตุผลเกี่ยวกับระยะทางจากการป้อนข้อมูลด้วยภาพในสภาพแวดล้อม 3 มิติ ชุดข้อมูล Dmlab ประกอบด้วยภาพสี 360x480 ใน 6 คลาส คลาสคือ {ใกล้ ไกล ไกลมาก} x {รางวัลเชิงบวก รางวัลเชิงลบ} ตามลำดับ

แยก ตัวอย่าง
'test' 22,735
'train' 65,550
'validation' 22,628
  • คุณสมบัติ:
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),
})

การสร้างภาพ

  • อ้างอิง:
@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}
                          }