места заполнены

Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.

  • Описание :

Набор данных Places разработан в соответствии с принципами человеческого визуального восприятия. Наша цель — создать ядро ​​визуальных знаний, которые можно использовать для обучения искусственных систем высокоуровневым задачам визуального понимания, таким как контекст сцены, распознавание объектов, предсказание действий и событий, а также логические выводы.

Семантические категории мест определяются их функцией: метки представляют начальный уровень среды. Чтобы проиллюстрировать это, в наборе данных есть разные категории спален, улиц и т. д., поскольку каждый действует по-разному и не делает одинаковых прогнозов того, что может произойти дальше, в домашней спальне, спальне отеля или детской. Всего Places содержит более 10 миллионов изображений, включающих более 400 уникальных категорий сцен. Набор данных содержит от 5000 до 30 000 обучающих изображений для каждого класса, что соответствует реальной частоте появления. Используя сверточные нейронные сети (CNN), набор данных Places позволяет изучать глубокие особенности сцены для различных задач распознавания сцены с целью установить новые современные характеристики на ориентированных на сцены тестах.

Здесь мы предоставляем базу данных Places и обученные CNN для академических исследований и образовательных целей.

Расколоть Примеры
'train' 10 653 087
  • Структура функции :
FeaturesDict({
    'filename': Text(shape=(), dtype=string),
    'image': Image(shape=(256, 256, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=435),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
имя файла Текст нить
изображение Изображение (256, 256, 3) uint8
этикетка Метка класса int64

Визуализация

  • Цитата :
@article{zhou2017places,
  title={Places: A 10 million Image Database for Scene Recognition},
  author={Zhou, Bolei and Lapedriza, Agata and Khosla, Aditya and Oliva, Aude and Torralba, Antonio},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  year={2017},
  publisher={IEEE}
}