lost_and_found

LostAndFoundデータセットは、貨物の紛失によって引き起こされることが多い道路上の予期しない小さな障害物を検出する問題に対処します。データセットは、2104個の注釈付きフレームを持つ112個のステレオビデオシーケンスで構成されています(記録されたデータからおよそ10フレームごとに選択されます)。

データセットは、「Cityscapes」データセットに類似して設計されています。データセットは以下を提供します:-8ビットまたは16ビットの色解像度のステレオ画像ペア-事前に計算された視差マップ-オブジェクトとストリートの粗いセマンティックラベル

ラベルの説明はここで与えられている: http://www.6d-vision.com/laf_table.pdf

スプリット
'test' 1,203
'train' 1,036
@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(デフォルトの構成)

  • コンフィグの説明:遺失物セマンティックセグメンテーションデータセット。

  • ダウンロードサイズ5.44 GiB

  • 特長

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),
})

lost_and_found / Stereo_disparity

  • コンフィグの説明:遺失物のステレオ画像と視差マップ。

  • ダウンロードサイズ12.16 GiB

  • 特長

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),
})

lost_and_found / full

  • コンフィグの説明:フル遺失データセット。

  • ダウンロードサイズ12.19 GiB

  • 特長

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),
})

lost_and_found / full_16bit

  • コンフィグの説明:フル遺失データセット。

  • ダウンロードサイズ34.90 GiB

  • 特長

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),
})