- 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- или 16-битным цветовым разрешением - предварительно вычисленные карты несоответствия - грубые семантические метки для объектов и улиц
Описание этикеток дано 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): без примечаний к выпуску.
-
Размер набора данных :
Unknown size
Автоматическое кэширование ( документация ): неизвестно
Сплит :
Трещина | Примеры |
---|---|
'test' | 1 203 |
'train' | 1,036 |
Контролируемые ключи (см.
as_supervised
):None
Цитата :
@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}
}
- Рисунок ( tfds.show_examples ): не поддерживается.
lost_and_found / semantic_segmentation (конфигурация по умолчанию)
Описание конфигурации : Набор данных семантической сегментации «Потерянные и найденные».
Размер загружаемого
5.44 GiB
: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
Описание конфигурации : потерянные и найденные стереоизображения и карты несоответствия.
Размер загружаемого
12.16 GiB
: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 : Полный набор данных потерянных и найденных.
Размер загружаемого
12.19 GiB
: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 : Полный набор данных потерянных и найденных.
Размер загружаемого
34.90 GiB
: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 ):