Визуализация: Исследовать в Know Ваши данные
Описание:
Набор данных LostAndFound решает проблему обнаружения неожиданных небольших препятствий на дороге, которые часто возникают из-за потери груза. Набор данных включает 112 стереовидеопоследовательностей с 2104 аннотированными кадрами (выбирается примерно каждый десятый кадр из записанных данных).
Набор данных разработан аналогично набору данных «Городские пейзажи». Набор данных обеспечивает: - пары стереоизображений с 8-битным или 16-битным цветовым разрешением - предварительно вычисленные карты диспаратности - грубые семантические метки для объектов и улиц.
Описания этикеток приведены здесь: http://www.6d-vision.com/laf_table.pdf
Домашняя страница: http://www.6d-vision.com/lostandfounddataset
Исходный код:
tfds.image.LostAndFound
Версии:
-
1.0.0
( по умолчанию): Нет Замечания к выпуску.
-
Dataset размер:
Unknown size
Авто-кэшируются ( документация ): Unknown
расколы:
Расколоть | Примеры |
---|---|
'test' | 1 203 |
'train' | 1,036 |
Контролируемые ключи (см
as_supervised
документ ):None
Рис ( tfds.show_examples ): Не поддерживается.
Образец цитирования:
@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 (конфигурация по умолчанию)
Описание конфигурации: Бюро находок семантическая сегментация набора данных.
Скачать Размер:
5.44 GiB
Особенности:
FeaturesDict({
'image_id': Text(shape=(), dtype=tf.string),
'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
'segmentation_label': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
})
- Примеры ( tfds.as_dataframe ):
lost_and_found / stereo_disparity
Config Описание: Бюро находки стереообразов и несоответствие карты.
Скачать Размер:
12.16 GiB
Особенности:
FeaturesDict({
'disparity_map': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
'image_id': Text(shape=(), dtype=tf.string),
'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
'image_right': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
})
- Примеры ( tfds.as_dataframe ):
lost_and_found / full
Описание конфигурации: Полное Бюро находок набора данных.
Скачать Размер:
12.19 GiB
Особенности:
FeaturesDict({
'disparity_map': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
'image_id': Text(shape=(), dtype=tf.string),
'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
'image_right': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
'instance_id': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
'segmentation_label': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
})
- Примеры ( tfds.as_dataframe ):
lost_and_found / full_16bit
Описание конфигурации: Полное Бюро находок набора данных.
Скачать Размер:
34.90 GiB
Особенности:
FeaturesDict({
'disparity_map': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
'image_id': Text(shape=(), dtype=tf.string),
'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
'image_right': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
'instance_id': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
'segmentation_label': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
})
- Примеры ( tfds.as_dataframe ):