시각화 : Know Your Data에서 탐색
설명 :
Open Images는 이미지 수준 레이블, 개체 경계 상자, 개체 분할 마스크 및 시각적 관계로 주석이 달린 ~9백만 이미지의 공동 릴리스입니다. 이 독특하고 크고 다양한 데이터 세트는 이미지를 분석하고 이해하는 데 있어서 최첨단 기술의 발전을 촉진하도록 설계되었습니다.
여기에는 대회의 객체 감지 트랙 데이터가 포함되어 있습니다. 이 트랙의 목표는 500개 클래스의 모든 개체 인스턴스 주위에 단단한 경계 상자를 예측하는 것입니다.
이미지에는 특정 객체 클래스가 있음을 나타내는 포지티브 이미지 레벨 레이블과 특정 클래스가 없음을 나타내는 네거티브 이미지 레벨 레이블이 주석으로 추가됩니다. 경쟁에서 주석이 없는 다른 모든 클래스는 해당 이미지의 평가에서 제외됩니다. 이미지의 각 포지티브 이미지 수준 레이블에 대해 이미지에 있는 해당 객체 클래스의 모든 인스턴스에 주석이 추가되었습니다.
홈페이지 : https://storage.googleapis.com/openimages/web/challenge2019.html
소스 코드 :
tfds.datasets.open_images_challenge2019_detection.Builder
버전 :
-
1.0.0
(기본값): 릴리스 정보가 없습니다.
-
다운로드 크기 :
534.63 GiB
자동 캐시 ( 문서 ): 아니요
분할 :
나뉘다 | 예 |
---|---|
'test' | 99,999 |
'train' | 1,743,042 |
'validation' | 41,620 |
- 기능 구조 :
FeaturesDict({
'bobjects': Sequence({
'bbox': BBoxFeature(shape=(4,), dtype=float32),
'is_group_of': bool,
'label': ClassLabel(shape=(), dtype=int64, num_classes=500),
}),
'id': Text(shape=(), dtype=string),
'image': Image(shape=(None, None, 3), dtype=uint8),
'objects': Sequence({
'confidence': float32,
'label': ClassLabel(shape=(), dtype=int64, num_classes=500),
'source': Text(shape=(), dtype=string),
}),
})
- 기능 문서 :
특징 | 수업 | 모양 | D타입 | 설명 |
---|---|---|---|---|
풍모Dict | ||||
객체 | 순서 | |||
객체/bbox | BBox기능 | (4,) | float32 | |
bobjects/is_group_of | 텐서 | 부울 | ||
개체/라벨 | 클래스 레이블 | int64 | ||
ID | 텍스트 | 끈 | ||
영상 | 영상 | (없음, 없음, 3) | uint8 | |
사물 | 순서 | |||
객체/자신감 | 텐서 | float32 | ||
개체/레이블 | 클래스 레이블 | int64 | ||
개체/소스 | 텍스트 | 끈 |
감독된 키 (
as_supervised
문서 참조):None
인용 :
open_images_challenge2019_detection/200k(기본 구성)
구성 설명 : 이미지는 최대 200,000픽셀, 72 JPEG 품질입니다.
데이터세트 크기 :
59.06 GiB
그림 ( tfds.show_examples ):
- 예 ( tfds.as_dataframe ):
open_images_challenge2019_detection/300k
구성 설명 : 이미지는 최대 300,000픽셀, 72 JPEG 품질입니다.
데이터세트 크기 :
80.10 GiB
그림 ( tfds.show_examples ):
- 예 ( tfds.as_dataframe ):