open_images_v4

• Görselleştirme : Verilerinizi north_east

• Açıklama :

Açık Görüntüler, görüntü düzeyinde etiketler ve nesne sınırlayıcı kutularla açıklama eklenmiş ~9 milyon görüntüden oluşan bir veri kümesidir.

V4 eğitim seti, 1,74M görüntülerde 600 nesne sınıfı için 14.6M sınırlayıcı kutu içerir ve bu da onu nesne konumu açıklamalarıyla mevcut en büyük veri kümesi yapar. Kutular, doğruluk ve tutarlılığı sağlamak için profesyonel yorumcular tarafından büyük ölçüde manuel olarak çizilmiştir. Görüntüler çok çeşitlidir ve genellikle birkaç nesne içeren karmaşık sahneler içerir (görüntü başına ortalama 8.4). Ayrıca, veri kümesine binlerce sınıfa yayılan görüntü düzeyinde etiketlerle açıklama eklenir.

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

• Kaynak kodu : tfds.object_detection.OpenImagesV4

• Sürümler :

  • 2.0.0 (varsayılan): Yeni bölünmüş API ( https://tensorflow.org/datasets/splits )

• İndirme boyutu : 565.11 GiB

• Veri kümesi boyutu : Unknown size

• Otomatik önbelleğe alındı ​​( belgeler ): Bilinmiyor

• Bölmeler :

• Özellik yapısı :

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),
    }),
})

• Özellik belgeleri :

• Denetimli anahtarlar (bkz as_supervised doc ): None

• Şekil ( tfds.show_examples ): Desteklenmez.

• Örnekler ( tfds.as_dataframe ): Eksik.

• alıntı :

@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/orijinal (varsayılan yapılandırma)

• Yapılandırma açıklaması : Görüntüler orijinal çözünürlüklerinde ve kalitesinde.

open_images_v4/300k

• Yapılandırma açıklaması : Görüntüler, 72 JPEG kalitesinde yaklaşık 300.000 piksele sahiptir.

open_images_v4/200k

• Yapılandırma açıklaması : Görüntüler, 72 JPEG kalitesinde yaklaşık 200.000 piksele sahiptir.