גרף

  • תיאור :

מערך הנתונים של Google RefExp הוא אוסף של תיאורי טקסט של אובייקטים בתמונות שמתבסס על מערך הנתונים הזמין הציבורי של MS-COCO. בעוד שכתוביות התמונה ב-MS-COCO חלות על התמונה כולה, מערך נתונים זה מתמקד בתיאורי טקסט המאפשרים לזהות באופן ייחודי אובייקט או אזור בודד בתוך תמונה. ראה פרטים נוספים במאמר זה: יצירה והבנה של תיאורי אובייקט חד משמעיים.

  • דף הבית : https://github.com/mjhucla/Google_Refexp_toolbox

  • קוד מקור : tfds.vision_language.gref.Gref

  • גרסאות :

    • 1.0.0 (ברירת מחדל): שחרור ראשוני.
  • גודל הורדה : Unknown size

  • גודל מערך נתונים : 4.60 GiB

  • הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל download_config.manual_dir (ברירת המחדל היא ~/tensorflow_datasets/downloads/manual/ ):
    עקוב אחר ההוראות בכתובת https://github.com/mjhucla/Google_Refexp_toolbox כדי להוריד ולעבד מראש את הנתונים לפורמט מיושר עם COCO. הספרייה מכילה 2 קבצים ותיקיה אחת:

  • google_refexp_train_201511_coco_aligned_catg.json

  • google_refexp_val_201511_coco_aligned_catg.json

  • coco_train2014/

התיקיה coco_train2014 מכילה את כל תמונות ההדרכה של COCO 2014.

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 24,698
'validation' 4,650
  • תכונות :
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'image/id': tf.int64,
    'objects': Sequence({
        'area': tf.int64,
        'bbox': BBoxFeature(shape=(4,), dtype=tf.float32),
        'id': tf.int64,
        'label': tf.int64,
        'label_name': ClassLabel(shape=(), dtype=tf.int64, num_classes=80),
        'refexp': Sequence({
            'raw': Text(shape=(), dtype=tf.string),
            'referent': Text(shape=(), dtype=tf.string),
            'refexp_id': tf.int64,
            'tokens': Sequence(Text(shape=(), dtype=tf.string)),
        }),
    }),
})

רְאִיָה

  • ציטוט :
@inproceedings{mao2016generation,
  title={Generation and Comprehension of Unambiguous Object Descriptions},
  author={Mao, Junhua and Huang, Jonathan and Toshev, Alexander and Camburu, Oana and Yuille, Alan and Murphy, Kevin},
  booktitle={CVPR},
  year={2016}
}