lost_and_found

• 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 :

• 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 ):