امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

smallnorb

  • توضیحات :


این پایگاه داده برای آزمایش در تشخیص شی 3D از شکل در نظر گرفته شده است. این شامل تصاویر 50 اسباب بازی متعلق به 5 دسته کلی است: حیوانات چهار پا ، شکل های انسان ، هواپیما ، کامیون و ماشین. این اشیا توسط دو دوربین تحت 6 شرایط نوری ، 9 مرتبه (30 تا 70 درجه در هر 5 درجه) و 18 آزیموت (0 تا 340 در هر 20 درجه) تصویربرداری شده اند.

مجموعه آموزش از 5 نمونه از هر دسته (نمونه های 4 ، 6 ، 7 ، 8 و 9) و مجموعه آزمون 5 نمونه باقیمانده (نمونه های 0 ، 1 ، 2 ، 3 و 5) تشکیل شده است.

شکاف مثال ها
'test' 24300
'train' 24300
  • ویژگی ها :
FeaturesDict({
    'image': Image(shape=(96, 96, 1), dtype=tf.uint8),
    'image2': Image(shape=(96, 96, 1), dtype=tf.uint8),
    'instance': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
    'label_azimuth': ClassLabel(shape=(), dtype=tf.int64, num_classes=18),
    'label_category': ClassLabel(shape=(), dtype=tf.int64, num_classes=5),
    'label_elevation': ClassLabel(shape=(), dtype=tf.int64, num_classes=9),
    'label_lighting': ClassLabel(shape=(), dtype=tf.int64, num_classes=6),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('image', 'label_category')

  • نقل قول :

\
@article{LeCun2004LearningMF,
  title={Learning methods for generic object recognition with invariance to pose and lighting},
  author={Yann LeCun and Fu Jie Huang and L{\'e}on Bottou},
  journal={Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition},
  year={2004},
  volume={2},
  pages={II-104 Vol.2}
}