tao

• Descrizione :

Il set di dati TAO è un grande set di dati di rilevamento di oggetti video composto da 2.907 video ad alta risoluzione e 833 categorie di oggetti. Tieni presente che questo set di dati richiede almeno 300 GB di spazio libero per l'archiviazione.

• Documentazione aggiuntiva : Esplora documenti con codice north_east

• Pagina iniziale : https://taodataset.org/

• Codice sorgente : tfds.video.tao.Tao

• Versioni :

  • 1.0.0 (impostazione predefinita): versione iniziale.

• Dimensioni del download : 113.96 GiB

• Istruzioni per il download manuale : questo set di dati richiede di scaricare manualmente i dati di origine in download_config.manual_dir (il valore predefinito ~/tensorflow_datasets/downloads/manual/ ):
  Alcuni file TAO (video HVACS e AVA) devono essere scaricati manualmente perché è richiesto un accesso a MOT. Si prega di scaricare e quei dati seguendo le istruzioni su https://motchallenge.net/tao_download.php

Scarica questi dati e sposta i file .zip risultanti in ~/tensorflow_datasets/downloads/manual/

Se i dati che richiedono il download manuale non sono presenti, verranno ignorati e verranno utilizzati solo i dati che non richiedono il download manuale.

• Cache automatica ( documentazione ): No

• Divisioni :

• Chiavi supervisionate (Vedi as_supervised doc ): None

• Figura ( tfds.show_examples ): non supportato.

• Citazione :

@article{Dave_2020,
   title={TAO: A Large-Scale Benchmark for Tracking Any Object},
   ISBN={9783030585587},
   ISSN={1611-3349},
   url={http://dx.doi.org/10.1007/978-3-030-58558-7_26},
   DOI={10.1007/978-3-030-58558-7_26},
   journal={Lecture Notes in Computer Science},
   publisher={Springer International Publishing},
   author={Dave, Achal and Khurana, Tarasha and Tokmakov, Pavel and Schmid, Cordelia and Ramanan, Deva},
   year={2020},
   pages={436-454}
}

tao/480_640 (configurazione predefinita)

• Descrizione della configurazione : tutte le immagini vengono ridimensionate bilinearmente a 480 X 640

• Dimensione del set di dati: 482.30 GiB

• Struttura delle caratteristiche :

FeaturesDict({
    'metadata': FeaturesDict({
        'dataset': string,
        'height': int32,
        'neg_category_ids': Tensor(shape=(None,), dtype=int32),
        'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
        'num_frames': int32,
        'video_name': string,
        'width': int32,
    }),
    'tracks': Sequence({
        'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
        'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
        'frames': Sequence(int32),
        'is_crowd': bool,
        'scale_category': string,
        'track_id': int32,
    }),
    'video': Video(Image(shape=(480, 640, 3), dtype=uint8)),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):

tao/risoluzione_completa

• Descrizione della configurazione : la versione a piena risoluzione del set di dati.

• Dimensione del set di dati: 171.24 GiB

• Struttura delle caratteristiche :

FeaturesDict({
    'metadata': FeaturesDict({
        'dataset': string,
        'height': int32,
        'neg_category_ids': Tensor(shape=(None,), dtype=int32),
        'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
        'num_frames': int32,
        'video_name': string,
        'width': int32,
    }),
    'tracks': Sequence({
        'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
        'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
        'frames': Sequence(int32),
        'is_crowd': bool,
        'scale_category': string,
        'track_id': int32,
    }),
    'video': Video(Image(shape=(None, None, 3), dtype=uint8)),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):