एमएल समुदाय दिवस 9 नवंबर है! TensorFlow, JAX से नई जानकारी के लिए हमसे जुड़ें, और अधिक जानें

open_images_challenge2019_detection

ओपन इमेजेज ~9 मिलियन इमेज का एक सहयोगी रिलीज है जो इमेज-लेवल लेबल्स, ऑब्जेक्ट बाउंडिंग बॉक्स, ऑब्जेक्ट सेगमेंटेशन मास्क और विजुअल रिलेशनशिप के साथ एनोटेट किया गया है। यह विशिष्ट रूप से बड़ा और विविध डेटासेट छवियों के विश्लेषण और समझने में अत्याधुनिक प्रगति को बढ़ावा देने के लिए डिज़ाइन किया गया है।

इसमें प्रतियोगिता के ऑब्जेक्ट डिटेक्शन ट्रैक का डेटा शामिल है। इस ट्रैक का लक्ष्य 500 वर्गों के सभी ऑब्जेक्ट इंस्टेंस के चारों ओर एक तंग बाउंडिंग बॉक्स की भविष्यवाणी करना है।

छवियों को सकारात्मक छवि-स्तरीय लेबल के साथ एनोटेट किया जाता है, जो दर्शाता है कि कुछ ऑब्जेक्ट वर्ग मौजूद हैं, और नकारात्मक छवि-स्तर लेबल के साथ, कुछ वर्ग अनुपस्थित हैं। प्रतियोगिता में, अन्य सभी अघोषित वर्गों को उस छवि में मूल्यांकन से बाहर रखा गया है। छवि में प्रत्येक सकारात्मक छवि-स्तरीय लेबल के लिए, छवि में उस ऑब्जेक्ट वर्ग के प्रत्येक उदाहरण को एनोटेट किया गया था।

विभाजित करना उदाहरण
'test' 99,999
'train' 1,743,042
'validation' 41,620
  • विशेषताएं:
FeaturesDict({
    'bobjects': Sequence({
        'bbox': BBoxFeature(shape=(4,), dtype=tf.float32),
        'is_group_of': tf.bool,
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=500),
    }),
    'id': Text(shape=(), dtype=tf.string),
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'objects': Sequence({
        'confidence': tf.float32,
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=500),
        'source': Text(shape=(), dtype=tf.string),
    }),
})
  • पर्यवेक्षित कुंजियों (देखें as_supervised डॉक ): None

  • प्रशस्ति पत्र:

open_images_challenge2019_detection/200k (डिफ़ॉल्ट कॉन्फ़िगरेशन)

  • कॉन्फ़िग विवरण: छवियाँ 72 JPEG गुणवत्ता पर, सबसे 200,000 पिक्सल पर है।

  • डेटासेट का आकार: 59.40 GiB

  • चित्रा ( tfds.show_examples ):

VISUALIZATION

open_images_challenge2019_detection/300k

  • कॉन्फ़िग विवरण: छवियाँ 72 JPEG गुणवत्ता पर, सबसे 300.000 पिक्सल पर है।

  • डेटासेट का आकार: 80.44 GiB

  • चित्रा ( tfds.show_examples ):

VISUALIZATION