امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

بچه گربه

  • توضیحات :

کیتی شامل مجموعه ای از وظایف بینایی است که با استفاده از یک سیستم عامل رانندگی مستقل ساخته شده است. معیار کامل شامل بسیاری از وظایف مانند استریو ، جریان نوری ، کیلومترشمار دیداری و غیره است. این مجموعه داده شامل مجموعه داده شناسایی شی ، از جمله تصاویر تک چشمی و جعبه های اتصال است. این مجموعه داده شامل 7481 تصویر آموزشی است که با جعبه های سه بعدی حاشیه نویسی شده است. شرح کاملی از حاشیه نویسی را می توان در readme کیت توسعه شی readme در صفحه اصلی کیتی یافت.

شکاف مثال ها
'test' 711
'train' 6347
'validation' 423
  • ویژگی ها :
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'image/file_name': Text(shape=(), dtype=tf.string),
    'objects': Sequence({
        'alpha': tf.float32,
        'bbox': BBoxFeature(shape=(4,), dtype=tf.float32),
        'dimensions': Tensor(shape=(3,), dtype=tf.float32),
        'location': Tensor(shape=(3,), dtype=tf.float32),
        'occluded': ClassLabel(shape=(), dtype=tf.int64, num_classes=4),
        'rotation_y': tf.float32,
        'truncated': tf.float32,
        'type': ClassLabel(shape=(), dtype=tf.int64, num_classes=8),
    }),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): None

  • نقل قول :

@inproceedings{Geiger2012CVPR,
  author = {Andreas Geiger and Philip Lenz and Raquel Urtasun},
  title = {Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite},
  booktitle = {Conference on Computer Vision and Pattern Recognition (CVPR)},
  year = {2012}
}

تجسم