open_images_v4

• การ สร้างภาพ : สำรวจใน Know Your Data north_east

• คำอธิบาย :

Open Images เป็นชุดข้อมูลของรูปภาพประมาณ 9 ล้านภาพที่ได้รับการใส่คำอธิบายประกอบด้วยป้ายกำกับระดับรูปภาพและกล่องขอบเขตของวัตถุ

ชุดการฝึกของ V4 ประกอบด้วย bounding box 14.6M สำหรับคลาสอ็อบเจกต์ 600 คลาสบนอิมเมจ 1.74M ทำให้เป็นชุดข้อมูลที่ใหญ่ที่สุดที่มีอยู่พร้อมคำอธิบายประกอบตำแหน่งอ็อบเจ็กต์ กล่องเหล่านี้ส่วนใหญ่วาดขึ้นเองโดยผู้ทำหมายเหตุประกอบมืออาชีพเพื่อให้มั่นใจถึงความถูกต้องและสอดคล้องกัน ภาพมีความหลากหลายมากและมักมีฉากที่ซับซ้อนซึ่งมีวัตถุหลายชิ้น (โดยเฉลี่ย 8.4 ภาพต่อภาพ) นอกจากนี้ ชุดข้อมูลยังได้รับการใส่คำอธิบายประกอบด้วยป้ายกำกับระดับภาพที่ครอบคลุมคลาสนับพัน

• เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส north_east

• หน้าแรก : https://storage.googleapis.com/openimages/web/index.html

• ซอร์สโค้ด : tfds.datasets.open_images_v4.Builder

• รุ่น :

  • 2.0.0 (ค่าเริ่มต้น): API แยกใหม่ ( https://tensorflow.org/datasets/splits )

• ขนาดการดาวน์โหลด : 565.11 GiB

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• แยก :

• โครงสร้างคุณลักษณะ :

FeaturesDict({
    'bobjects': Sequence({
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'is_depiction': int8,
        'is_group_of': int8,
        'is_inside': int8,
        'is_occluded': int8,
        'is_truncated': int8,
        'label': ClassLabel(shape=(), dtype=int64, num_classes=601),
        'source': ClassLabel(shape=(), dtype=int64, num_classes=6),
    }),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
    'objects': Sequence({
        'confidence': int32,
        'label': ClassLabel(shape=(), dtype=int64, num_classes=19995),
        'source': ClassLabel(shape=(), dtype=int64, num_classes=6),
    }),
    'objects_trainable': Sequence({
        'confidence': int32,
        'label': ClassLabel(shape=(), dtype=int64, num_classes=7186),
        'source': ClassLabel(shape=(), dtype=int64, num_classes=6),
    }),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• การอ้างอิง :

@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 (การกำหนดค่าเริ่มต้น)

• คำอธิบาย การกำหนดค่า : รูปภาพที่ความละเอียดและคุณภาพดั้งเดิม

• ขนาดชุดข้อมูล : 562.42 GiB

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

open_images_v4/300k

• คำอธิบาย การกำหนดค่า : รูปภาพมีขนาดประมาณ 300,000 พิกเซล ที่คุณภาพ 72 JPEG

• ขนาดชุดข้อมูล : 81.92 GiB

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

open_images_v4/200k

• คำอธิบาย การกำหนดค่า : รูปภาพมีขนาดประมาณ 200,000 พิกเซล ที่คุณภาพ 72 JPEG

• ขนาดชุดข้อมูล : 60.70 GiB

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):