گمشده_و_پیدا شد

  • شرح :

مجموعه داده LostAndFound به مشکل شناسایی موانع کوچک غیرمنتظره در جاده که اغلب ناشی از گم شدن محموله است، می پردازد. مجموعه داده شامل 112 دنباله ویدیوی استریو با 2104 فریم حاشیه‌نویسی است (تقریباً هر دهم فریم از داده‌های ضبط شده را انتخاب می‌کند).

مجموعه داده مشابه با مجموعه داده «Cityscapes» طراحی شده است. مجموعه داده‌ها ارائه می‌کند: - جفت‌های تصویر استریو در وضوح رنگی 8 یا 16 بیتی - نقشه‌های نابرابری از پیش محاسبه‌شده - برچسب‌های معنایی درشت برای اشیا و خیابان‌ها

توضیحات برچسب ها در اینجا آورده شده است: http://www.6d-vision.com/laf_table.pdf

شکاف مثال ها
'test' 1203
'train' 1036
@inproceedings{pinggera2016lost,
  title={Lost and found: detecting small road hazards for self-driving vehicles},
  author={Pinggera, Peter and Ramos, Sebastian and Gehrig, Stefan and Franke, Uwe and Rother, Carsten and Mester, Rudolf},
  booktitle={2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  year={2016}
}

lost_and_found/semantic_segmentation (پیکربندی پیش‌فرض)

  • توضیحات پیکربندی : مجموعه داده های تقسیم بندی معنایی گم شده و یافت شده.

  • حجم دانلود : 5.44 GiB

  • حجم مجموعه داده : 5.42 GiB

  • ساختار ویژگی :

FeaturesDict({
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
image_id متن رشته
image_left تصویر (1024، 2048، 3) uint8
segmentation_label تصویر (1024، 2048، 1) uint8

گمشده_و_پیدا/اختلاف_استریو

  • توضیحات پیکربندی : تصاویر استریو گم شده و پیدا شده و نقشه های نابرابری.

  • حجم دانلود : 12.16 GiB

  • حجم مجموعه داده : 12.22 GiB

  • ساختار ویژگی :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
اختلاف_نقشه تصویر (1024، 2048، 1) uint8
image_id متن رشته
image_left تصویر (1024، 2048، 3) uint8
image_right تصویر (1024، 2048، 3) uint8

گمشده_و_پیدا/پر

  • توضیحات پیکربندی : مجموعه داده کامل گم شده و یافت شده.

  • حجم دانلود : 12.19 GiB

  • حجم مجموعه داده : 12.25 GiB

  • ساختار ویژگی :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
    'instance_id': Image(shape=(1024, 2048, 1), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
اختلاف_نقشه تصویر (1024، 2048، 1) uint8
image_id متن رشته
image_left تصویر (1024، 2048، 3) uint8
image_right تصویر (1024، 2048، 3) uint8
instance_id تصویر (1024، 2048، 1) uint8
segmentation_label تصویر (1024، 2048، 1) uint8

lost_and_found/full_16bit

  • توضیحات پیکربندی : مجموعه داده کامل گم شده و یافت شده.

  • حجم دانلود : 34.90 GiB

  • حجم مجموعه داده : 35.05 GiB

  • ساختار ویژگی :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
    'instance_id': Image(shape=(1024, 2048, 1), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
اختلاف_نقشه تصویر (1024، 2048، 1) uint8
image_id متن رشته
image_left تصویر (1024، 2048، 3) uint8
image_right تصویر (1024، 2048، 3) uint8
instance_id تصویر (1024، 2048، 1) uint8
segmentation_label تصویر (1024، 2048، 1) uint8