kayıp eşya bürosu

LostAndFound Veri Kümesi, yoldaki genellikle kayıp kargodan kaynaklanan beklenmedik küçük engellerin tespit edilmesi sorununu ele alır. Veri seti, 2104 açıklamalı çerçeveye sahip 112 stereo video dizisinden oluşur (kayıtlı verilerden kabaca her onuncu çerçeveyi seçerek).

Veri seti, 'Cityscapes' veri setine benzer şekilde tasarlanmıştır. Veri seti şunları sağlar: - 8 veya 16 bit renk çözünürlüğünde stereo görüntü çiftleri - önceden hesaplanmış eşitsizlik haritaları - nesneler ve sokak için kaba semantik etiketler

Etiketlerin açıklamaları burada verilmiştir: http://www.6d-vision.com/laf_table.pdf

Bölmek Örnekler
'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 (varsayılan yapılandırma)

  • Yapılandırma açıklaması : Kayıp ve Bulunan anlamsal segmentasyon veri kümesi.

  • İndirme boyutu : 5.44 GiB

  • Özellik yapısı :

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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim_kimliği Metin tf.string
image_left resim (1024, 2048, 3) tf.uint8
segmentation_label resim (1024, 2048, 1) tf.uint8

kayıp_and_found/stereo_disparity

  • Yapılandırma açıklaması : Kayıp ve Bulunan stereo görüntüler ve farklılık haritaları.

  • İndirme boyutu : 12.16 GiB

  • Özellik yapısı :

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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
disparity_map resim (1024, 2048, 1) tf.uint8
resim_kimliği Metin tf.string
image_left resim (1024, 2048, 3) tf.uint8
image_right resim (1024, 2048, 3) tf.uint8

kayıp_ve_bulundu/dolu

  • Yapılandırma açıklaması : Tam Kayıp ve Bulunan veri kümesi.

  • İndirme boyutu : 12.19 GiB

  • Özellik yapısı :

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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
disparity_map resim (1024, 2048, 1) tf.uint8
resim_kimliği Metin tf.string
image_left resim (1024, 2048, 3) tf.uint8
image_right resim (1024, 2048, 3) tf.uint8
instance_id resim (1024, 2048, 1) tf.uint8
segmentation_label resim (1024, 2048, 1) tf.uint8

kayıp_and_found/full_16bit

  • Yapılandırma açıklaması : Tam Kayıp ve Bulunan veri kümesi.

  • İndirme boyutu : 34.90 GiB

  • Özellik yapısı :

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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
disparity_map resim (1024, 2048, 1) tf.uint8
resim_kimliği Metin tf.string
image_left resim (1024, 2048, 3) tf.uint8
image_right resim (1024, 2048, 3) tf.uint8
instance_id resim (1024, 2048, 1) tf.uint8
segmentation_label resim (1024, 2048, 1) tf.uint8