Visualização: Explorar em conhecer o seu Dados
Descrição:
Kitti contém um conjunto de tarefas de visão construídas usando uma plataforma de direção autônoma. O benchmark completo contém muitas tarefas, como estéreo, fluxo óptico, odometria visual, etc. Este conjunto de dados contém o conjunto de dados de detecção de objetos, incluindo as imagens monoculares e caixas delimitadoras. O conjunto de dados contém 7481 imagens de treinamento anotadas com caixas delimitadoras 3D. Uma descrição completa das anotações pode ser encontrada no leia-me do kit de desenvolvimento de objetos na página inicial do Kitti.
Homepage: http://www.cvlibs.net/datasets/kitti/
O código-fonte:
tfds.object_detection.Kitti
versões:
-
3.1.0
: Não há notas de lançamento. -
3.2.0
(padrão): Devkit atualizado.
-
Tamanho do download:
11.71 GiB
Tamanho do conjunto de dados:
5.27 GiB
Cache-Auto ( documentação ): Não
desdobramentos:
Dividir | Exemplos |
---|---|
'test' | 711 |
'train' | 6.347 |
'validation' | 423 |
- Características:
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),
}),
})
Chaves supervisionado (Veja
as_supervised
doc ):None
Figura ( tfds.show_examples ):
- Exemplos ( tfds.as_dataframe ):
- citação:
@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}
}