Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

bentuk3d

  • Deskripsi :

3dshapes adalah kumpulan data bentuk 3D yang secara prosedural dihasilkan dari 6 faktor laten independen kebenaran dasar. Faktor-faktor tersebut adalah warna lantai , warna dinding , warna benda , skala , bentuk dan orientasi .

Semua kemungkinan kombinasi laten ini muncul tepat satu kali, menghasilkan total N = 480000 gambar.

Nilai faktor laten

  • floor hue: 10 nilai spasi linier dalam [0, 1]
  • rona dinding: 10 nilai spasi linier dalam [0, 1]
  • warna objek: 10 nilai spasi linier dalam [0, 1]
  • skala: 8 nilai spasi linier dalam [0, 1]
  • bentuk: 4 nilai di [0, 1, 2, 3]
  • orientasi: 15 nilai spasi linier dalam [-30, 30]

Kami memvariasikan satu laten pada satu waktu (mulai dari orientasi, lalu bentuk, dll), dan secara berurutan menyimpan gambar dalam urutan tetap dalam larik images . Nilai-nilai yang sesuai dari faktor-faktor tersebut disimpan dalam urutan yang sama dalam larik labels .

Membagi Contoh
'train' 480.000
  • Fitur :
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,
})
@misc{3dshapes18,
  title={3D Shapes Dataset},
  author={Burgess, Chris and Kim, Hyunjik},
  howpublished={https://github.com/deepmind/3dshapes-dataset/},
  year={2018}
}

Visualisasi