Ayuda a proteger la Gran Barrera de Coral con TensorFlow en Kaggle Únete Challenge

formas3d

3dshapes es un conjunto de datos de formas 3D generadas procedimentalmente a partir de 6 factores latentes independientes de la verdad del terreno. Estos factores son de color baja, color de la pared, el color del objeto, escala, forma y orientación.

Todas las posibles combinaciones de estos latentes están presentes exactamente una vez, generando N = 480000 imágenes en total.

Valores de factor latente

  • tono del suelo: 10 valores espaciados linealmente en [0, 1]
  • tono de la pared: 10 valores espaciados linealmente en [0, 1]
  • tono del objeto: 10 valores espaciados linealmente en [0, 1]
  • escala: 8 valores espaciados linealmente en [0, 1]
  • forma: 4 valores en [0, 1, 2, 3]
  • orientación: 15 valores espaciados linealmente en [-30, 30]

Hemos variado uno latente a la vez (a partir de la orientación, a continuación, forma, etc), y se almacena secuencialmente las imágenes en orden fijo en el images array. Los valores correspondientes de los factores se almacenan en el mismo orden en el labels matriz.

Separar Ejemplos de
'train' 480.000
  • características:
FeaturesDict({
    'image': Image(shape=(64, 64, 3), dtype=tf.uint8),
    'label_floor_hue': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
    'label_object_hue': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
    'label_orientation': ClassLabel(shape=(), dtype=tf.int64, num_classes=15),
    'label_scale': ClassLabel(shape=(), dtype=tf.int64, num_classes=8),
    'label_shape': ClassLabel(shape=(), dtype=tf.int64, num_classes=4),
    'label_wall_hue': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
    'value_floor_hue': tf.float32,
    'value_object_hue': tf.float32,
    'value_orientation': tf.float32,
    'value_scale': tf.float32,
    'value_shape': tf.float32,
    'value_wall_hue': tf.float32,
})

Visualización

  • Cita:
@misc{3dshapes18,
  title={3D Shapes Dataset},
  author={Burgess, Chris and Kim, Hyunjik},
  howpublished={https://github.com/deepmind/3dshapes-dataset/},
  year={2018}
}