Эта страница была переведа с помощью Cloud Translation API.
Switch to English

smallnorb

  • Описание :


База данных предназначена для экспериментов по распознаванию 3D-объектов по форме. Он содержит изображения 50 игрушек, относящихся к 5 общим категориям: четвероногие животные, человеческие фигуры, самолеты, грузовики и автомобили. Объекты были сфотографированы двумя камерами при 6 условиях освещения, 9 уровнях возвышения (от 30 до 70 градусов каждые 5 градусов) и 18 азимутах (от 0 до 340 каждые 20 градусов).

Обучающий набор состоит из 5 экземпляров каждой категории (экземпляры 4, 6, 7, 8 и 9) и тестового набора остальных 5 экземпляров (экземпляры 0, 1, 2, 3 и 5).

Трещина Примеры
'test' 24 300
'train' 24 300
  • Особенности :
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),
})
  • Контролируемые ключи (см. as_supervised ): ('image', 'label_category')

  • Цитата :

\
@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}
}