• Descrizione :

Scarica SA-1B

Segment Anything 1 Billion (SA-1B) è un set di dati progettato per l'addestramento di modelli di segmentazione di oggetti generici da immagini open world. Il set di dati è stato introdotto nel documento "Segment Anything" .

Il set di dati SA-1B è costituito da 11 milioni di immagini diverse, ad alta risoluzione, con licenza e che proteggono la privacy e da 1,1 miliardi di annotazioni sulle maschere. Le maschere vengono fornite nel formato COCO run-length encoding (RLE) e non hanno classi.

La licenza è personalizzata. Per favore, leggi i termini e le condizioni completi su https://ai.facebook.com/datasets/segment-anything-downloads

Tutte le funzionalità sono nel set di dati originale tranne image.content (contenuto dell'immagine).

Puoi decodificare le maschere di segmentazione con:

import tensorflow_datasets as tfds

pycocotools = tfds.core.lazy_imports.pycocotools

ds = tfds.load('segment_anything', split='train')
for example in tfds.as_numpy(ds):
  segmentation = example['annotations']['segmentation']
  for counts, size in zip(segmentation['counts'], segmentation['size']):
    encoded_mask = {'size': size, 'counts': counts}
    mask = pycocotools.decode(encoded_mask)  # np.array(dtype=uint8) mask
    ...

• Home page : https://ai.facebook.com/datasets/segment-anything-downloads

• Codice sorgente : tfds.datasets.segment_anything.Builder

• Versioni :

  • 1.0.0 (impostazione predefinita): versione iniziale.

• Dimensioni del download : 10.28 TiB

• Dimensioni del set di dati : 10.59 TiB

• Istruzioni per il download manuale : questo set di dati richiede il download manuale dei dati di origine in download_config.manual_dir (il valore predefinito è ~/tensorflow_datasets/downloads/manual/ ):
  Scarica il file dei collegamenti da https://ai.facebook.com/datasets/segment-anything-downloads manual_dir dovrebbe contenere il file dei collegamenti salvato come segment_anything_links.txt.

• Memorizzazione nella cache automatica ( documentazione ): No

• Divide :

• Struttura delle caratteristiche :

FeaturesDict({
    'annotations': Sequence({
        'area': Scalar(shape=(), dtype=uint64),
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'crop_box': BBoxFeature(shape=(4,), dtype=float32),
        'id': Scalar(shape=(), dtype=uint64),
        'point_coords': Tensor(shape=(1, 2), dtype=float64),
        'predicted_iou': Scalar(shape=(), dtype=float64),
        'segmentation': FeaturesDict({
            'counts': string,
            'size': Tensor(shape=(2,), dtype=uint64),
        }),
        'stability_score': Scalar(shape=(), dtype=float64),
    }),
    'image': FeaturesDict({
        'content': Image(shape=(None, None, 3), dtype=uint8),
        'file_name': string,
        'height': uint64,
        'image_id': uint64,
        'width': uint64,
    }),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi il documento as_supervised ): None

• Figura ( tfds.show_examples ): non supportato.

• Esempi ( tfds.as_dataframe ): Mancante.

• Citazione :

@misc{kirillov2023segment,
  title={Segment Anything},
  author={Alexander Kirillov and Eric Mintun and Nikhila Ravi and Hanzi Mao and Chloe Rolland and Laura Gustafson and Tete Xiao and Spencer Whitehead and Alexander C. Berg and Wan-Yen Lo and Piotr Dollár and Ross Girshick},
  year={2023},
  eprint={2304.02643},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
}