zagubiony_i_znaleziony

• Opis :

Zbiór danych LostAndFound rozwiązuje problem wykrywania nieoczekiwanych małych przeszkód na drodze, często powodowanych przez zagubiony ładunek. Zbiór danych składa się ze 112 stereofonicznych sekwencji wideo z 2104 klatkami z adnotacjami (wybierając mniej więcej co dziesiątą klatkę z zarejestrowanych danych).

Zbiór danych zaprojektowano analogicznie do zbioru danych „Cityscapes”. Zbiór danych zapewnia: - pary obrazów stereo w 8 lub 16-bitowej rozdzielczości kolorów, - wstępnie obliczone mapy rozbieżności, - zgrubne etykiety semantyczne dla obiektów i ulic.

Opisy etykiet znajdują się tutaj: http://www.6d-vision.com/laf_table.pdf

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

• Strona główna : http://www.6d-vision.com/lostandfounddataset

• Kod źródłowy : tfds.datasets.lost_and_found.Builder

• Wersje :

  • 1.0.0 (domyślnie): Brak informacji o wersji.

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Cytat :

@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}
}

utracone_i_znalezione/semantic_segmentation (konfiguracja domyślna)

• Opis konfiguracji : Zbiór danych segmentacji semantycznej Lost and Found.

• Rozmiar pobierania : 5.44 GiB

• Rozmiar zbioru danych : 5.42 GiB

• Struktura funkcji :

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),
})

• Dokumentacja funkcji :

• Przykłady ( tfds.as_dataframe ):

zagubiony_i_znaleziony/stereo_disparity

• Opis konfiguracji : Obrazy stereofoniczne Lost and Found i mapy rozbieżności.

• Rozmiar pobierania : 12.16 GiB

• Rozmiar zbioru danych : 12.22 GiB

• Struktura funkcji :

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),
})

• Dokumentacja funkcji :

• Przykłady ( tfds.as_dataframe ):

zagubiony_i_znaleziony/pełny

• Opis konfiguracji : Pełny zestaw danych Lost and Found.

• Rozmiar pobierania : 12.19 GiB

• Rozmiar zbioru danych : 12.25 GiB

• Struktura funkcji :

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),
})

• Dokumentacja funkcji :

• Przykłady ( tfds.as_dataframe ):

zagubiony_i_znaleziony/full_16bit

• Opis konfiguracji : Pełny zestaw danych Lost and Found.

• Rozmiar pobierania : 34.90 GiB

• Rozmiar zbioru danych : 35.05 GiB

• Struktura funkcji :

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),
})

• Dokumentacja funkcji :

• Przykłady ( tfds.as_dataframe ):