Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

open_images_v4

Открытые изображения - это набор данных из ~ 9 миллионов изображений, которые были аннотированы метками уровня изображения и ограничивающими рамками объектов.

Обучающий набор V4 содержит 14,6 млн ограничивающих прямоугольников для 600 классов объектов на 1,74 млн изображений, что делает его самым большим из существующих наборов данных с аннотациями местоположения объектов. Ящики в основном нарисованы профессиональными аннотаторами вручную, чтобы обеспечить точность и единообразие. Изображения очень разнообразны и часто содержат сложные сцены с несколькими объектами (в среднем 8,4 на изображение). Более того, набор данных аннотируется метками уровня изображения, охватывающими тысячи классов.

Расколоть Примеры
'test' 125 436
'train' 1,743,042
'validation' 41 620
  • Особенности:
FeaturesDict({
    'bobjects': Sequence({
        'bbox': BBoxFeature(shape=(4,), dtype=tf.float32),
        'is_depiction': tf.int8,
        'is_group_of': tf.int8,
        'is_inside': tf.int8,
        'is_occluded': tf.int8,
        'is_truncated': tf.int8,
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=601),
        'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=6),
    }),
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
    'objects': Sequence({
        'confidence': tf.int32,
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=19995),
        'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=6),
    }),
    'objects_trainable': Sequence({
        'confidence': tf.int32,
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=7186),
        'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=6),
    }),
})
@article{OpenImages,
  author = {Alina Kuznetsova and
            Hassan Rom and
            Neil Alldrin and
            Jasper Uijlings and
            Ivan Krasin and
            Jordi Pont-Tuset and
            Shahab Kamali and
            Stefan Popov and
            Matteo Malloci and
            Tom Duerig and
            Vittorio Ferrari},
  title = {The Open Images Dataset V4: Unified image classification,
           object detection, and visual relationship detection at scale},
  year = {2018},
  journal = {arXiv:1811.00982}
}
@article{OpenImages2,
  author = {Krasin, Ivan and
            Duerig, Tom and
            Alldrin, Neil and
            Ferrari, Vittorio
            and Abu-El-Haija, Sami and
            Kuznetsova, Alina and
            Rom, Hassan and
            Uijlings, Jasper and
            Popov, Stefan and
            Kamali, Shahab and
            Malloci, Matteo and
            Pont-Tuset, Jordi and
            Veit, Andreas and
            Belongie, Serge and
            Gomes, Victor and
            Gupta, Abhinav and
            Sun, Chen and
            Chechik, Gal and
            Cai, David and
            Feng, Zheyun and
            Narayanan, Dhyanesh and
            Murphy, Kevin},
  title = {OpenImages: A public dataset for large-scale multi-label and
           multi-class image classification.},
  journal = {Dataset available from
             https://storage.googleapis.com/openimages/web/index.html},
  year={2017}
}

open_images_v4 / original (конфигурация по умолчанию)

  • Описание Config: Изображения в их оригинальном разрешении и качестве.

  • Фигура ( tfds.show_examples ):

Визуализация

open_images_v4 / 300 КБ

  • Описание конфигурации: Изображения имеют примерно 300000 пикселей, при 72 качестве JPEG.

  • Фигура ( tfds.show_examples ):

Визуализация

open_images_v4 / 200 КБ

  • Описание конфигурации: Изображения имеют примерно 200000 пикселей, при 72 качестве JPEG.

  • Фигура ( tfds.show_examples ):

Визуализация