ref_coco

• Opis :

Zbiór 3 zestawów danych dotyczących wyrażeń odnoszących się do obrazów w zestawie danych COCO. Wyrażenie odsyłające to fragment tekstu opisujący unikalny obiekt na obrazie. Te zbiory danych są gromadzone poprzez proszenie osób oceniających o ujednoznacznienie obiektów wyznaczonych przez ramki ograniczające w zbiorze danych COCO.

RefCoco i RefCoco+ pochodzą od Kazemzadeha i in. 2014. Wyrażenia RefCoco+ są opisami ściśle opartymi na wyglądzie, co jest egzekwowane, uniemożliwiając oceniającym korzystanie z opisów opartych na lokalizacji (np. „osoba po prawej” nie jest prawidłowym opisem RefCoco+). RefCocoG pochodzi od Mao i in. 2016 i ma bogatszy opis obiektów w porównaniu do RefCoco ze względu na różnice w procesie adnotacji. W szczególności dane RefCoco zebrano w środowisku interaktywnym opartym na grach, natomiast RefCocoG zebrano w środowisku nieinteraktywnym. RefCocoG ma średnio 8,4 słowa na wyrażenie, podczas gdy RefCoco ma 3,5 słowa.

Każdy zbiór danych ma różne przydziały podziału, które zazwyczaj są podawane w artykułach. Zestawy „testA” i „testB” w RefCoco i RefCoco+ zawierają odpowiednio tylko osoby i tylko nieludzi. Obrazy są podzielone na różne części. W przypadku podziału „google” obiekty, a nie obrazy, są dzielone na części pociągowe i inne niż pociągowe. Oznacza to, że ten sam obraz może pojawić się zarówno w podziale pociągu, jak i walidacji, ale obiekty, do których odnosi się obraz, będą różne w obu zestawach. Natomiast „unc” i „umd” dzielą obrazy partycji pomiędzy pociąg, walidację i podział testowy. W RefCocoG podział „google” nie ma kanonicznego zestawu testów, a zestaw walidacyjny jest zwykle podawany w artykułach jako „val*”.

Statystyki dla każdego zbioru danych i podziału („refs” to liczba odwołujących się wyrażeń, a „obrazy” to liczba obrazów):

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

• Strona główna : https://github.com/lichengunc/refer

• Kod źródłowy : tfds.datasets.ref_coco.Builder

• Wersje :

  • 1.0.0 : Pierwsza wersja.
  • 1.1.0 (domyślnie) nights_stay : Dodano maski.

• Rozmiar pobierania : Unknown size

• Instrukcje ręcznego pobierania : ten zestaw danych wymaga ręcznego pobrania danych źródłowych do download_config.manual_dir (domyślnie jest to ~/tensorflow_datasets/downloads/manual/ ):
  

• Postępuj zgodnie z instrukcjami w https://github.com/lichengunc/refer i pobierz adnotacje i obrazy pasujące do katalogu data/ określonego w repozytorium.

1. Postępuj zgodnie z instrukcjami PythonAPI w https://github.com/cocodataset/cocoapi , aby uzyskać pycocotools i plik adnotacji instancji_train2014 z https://cocodataset.org/#download

2. Dodaj zarówno refer.py z (1), jak i pycocotools z (2) do swojego PYTHONPATH.

3. Uruchom manual_download_process.py, aby wygenerować plik refcoco.json, zastępując ref_data_root , coco_annotations_file i out_file wartościami odpowiadającymi miejscu, gdzie pobrałeś/chcesz zapisać te pliki. Pamiętaj, że plik manual_download_process.py można znaleźć w repozytorium TFDS.

4. Pobierz zestaw szkoleniowy COCO ze strony https://cocodataset.org/#download i wklej go do folderu o nazwie coco_train2014/ . Przenieś refcoco.json na ten sam poziom co coco_train2014 .

5. Postępuj zgodnie ze standardowymi instrukcjami ręcznego pobierania.

• Automatyczne buforowanie ( dokumentacja ): Nie

• Struktura funkcji :

FeaturesDict({
    'coco_annotations': Sequence({
        'area': int64,
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'id': int64,
        'label': int64,
    }),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/id': int64,
    'objects': Sequence({
        'area': int64,
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'gt_box_index': int64,
        'id': int64,
        'label': int64,
        'mask': Image(shape=(None, None, 3), dtype=uint8),
        'refexp': Sequence({
            'raw': Text(shape=(), dtype=string),
            'refexp_id': int64,
        }),
    }),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Cytat :

@inproceedings{kazemzadeh2014referitgame,
  title={Referitgame: Referring to objects in photographs of natural scenes},
  author={Kazemzadeh, Sahar and Ordonez, Vicente and Matten, Mark and Berg, Tamara},
  booktitle={Proceedings of the 2014 conference on empirical methods in natural language processing (EMNLP)},
  pages={787--798},
  year={2014}
}
@inproceedings{yu2016modeling,
  title={Modeling context in referring expressions},
  author={Yu, Licheng and Poirson, Patrick and Yang, Shan and Berg, Alexander C and Berg, Tamara L},
  booktitle={European Conference on Computer Vision},
  pages={69--85},
  year={2016},
  organization={Springer}
}
@inproceedings{mao2016generation,
  title={Generation and Comprehension of Unambiguous Object Descriptions},
  author={Mao, Junhua and Huang, Jonathan and Toshev, Alexander and Camburu, Oana and Yuille, Alan and Murphy, Kevin},
  booktitle={CVPR},
  year={2016}
}
@inproceedings{nagaraja2016modeling,
  title={Modeling context between objects for referring expression understanding},
  author={Nagaraja, Varun K and Morariu, Vlad I and Davis, Larry S},
  booktitle={European Conference on Computer Vision},
  pages={792--807},
  year={2016},
  organization={Springer}
}

ref_coco/refcoco_unc (konfiguracja domyślna)

• Rozmiar zbioru danych : 3.29 GiB

• Podziały :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

ref_coco/refcoco_google

• Rozmiar zbioru danych : 4.65 GiB

• Podziały :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

ref_coco/refcocoplus_unc

• Rozmiar zbioru danych : 3.29 GiB

• Podziały :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

ref_coco/refcocog_google

• Rozmiar zbioru danych : 4.64 GiB

• Podziały :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

ref_coco/refcocog_umd

• Rozmiar zbioru danych : 4.08 GiB

• Podziały :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):