Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

kotek

Kitti zawiera zestaw zadań wizyjnych zbudowanych przy użyciu platformy do autonomicznej jazdy. Pełny test porównawczy zawiera wiele zadań, takich jak stereo, przepływ optyczny, odometria wizualna itp. Ten zestaw danych zawiera zestaw danych wykrywania obiektów, w tym obrazy jednooczne i ramki ograniczające. Zestaw danych zawiera 7481 obrazów szkoleniowych z adnotacjami za pomocą ramek ograniczających 3D. Pełny opis adnotacji można znaleźć w pliku readme zestawu do tworzenia obiektów readme na stronie domowej Kitti.

Podział Przykłady
'test' 711
'train' 6,347
'validation' 423
  • Cechy:
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),
    }),
})

Wyobrażanie sobie

  • cytat:
@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}
}