Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

kształty3d

3dshapes to zestaw danych 3D kształtów generowanych proceduralnie na podstawie 6 niezależnych od podłoża czynników ukrytych. Czynniki te są koloru podłogi, ściany, kolor obiektu kolor wagi, kształtu i orientacji.

Wszystkie możliwe kombinacje tych ukrytych są obecne dokładnie raz, generując łącznie N = 480000 obrazów.

Wartości czynników ukrytych

  • odcień podłogi: 10 wartości rozmieszczonych liniowo w [0, 1]
  • odcień ściany: 10 wartości rozmieszczonych liniowo w [0, 1]
  • odcień obiektu: 10 wartości rozmieszczonych liniowo w [0, 1]
  • skala: 8 wartości rozmieszczonych liniowo w [0, 1]
  • kształt: 4 wartości w [0, 1, 2, 3]
  • orientacja: 15 wartości rozmieszczonych liniowo w [-30, 30]

My zmieniać jeden utajony w czasie (od orientacji, a następnie kształtowanie itd) i kolejno zapisane obrazy w ustalonej kolejności w images tablicy. Odpowiednie wartości współczynników są zapisywane w tym samym porządku w labels tablicy.

Podział Przykłady
'train' 480 000
  • Cechy:
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,
})

Wyobrażanie sobie

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