- תיאור :
מערך הנתונים של TAO הוא מערך נתונים גדול לזיהוי אובייקטי וידאו המורכב מ-2,907 סרטונים ברזולוציה גבוהה ו-833 קטגוריות אובייקטים. שים לב שמערך נתונים זה דורש לפחות 300 GB של שטח פנוי לאחסון.
תיעוד נוסף : חקור על ניירות עם קוד
דף הבית : https://taodataset.org/
קוד מקור :
tfds.video.tao.Tao
גרסאות :
-
1.0.0
(ברירת מחדל): אין הערות שחרור. -
1.1.0
: נוסף פיצול בדיקה.
-
גודל הורדה :
113.96 GiB
הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל
download_config.manual_dir
(ברירת המחדל היא~/tensorflow_datasets/downloads/manual/
):
יש להוריד ידנית קבצי TAO (סרטוני HVACS ו-AVA) מכיוון שנדרשת כניסה ל-MOT. אנא הורד ואת הנתונים הללו לפי ההוראות בכתובת https://motchallenge.net/tao_download.php
הורד את הנתונים האלה והעבר את קבצי ה-zip שהתקבלו אל ~/tensorflow_datasets/downloads/manual/
אם הנתונים המחייבים הורדה ידנית אינם קיימים, הם ידלג עליהם ויעשה שימוש רק בנתונים שאינם דורשים הורדה ידנית.
שמירה אוטומטית במטמון ( תיעוד ): לא
פיצולים :
לְפַצֵל | דוגמאות |
---|---|
'train' | 500 |
'validation' | 988 |
מפתחות בפיקוח (ראה
as_supervised
doc ):None
איור ( tfds.show_examples ): לא נתמך.
ציטוט :
@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 (תצורת ברירת המחדל)
תיאור תצורה : כל התמונות משתנות באופן ביליניארי ל-480 X 640
גודל ערכת נתונים :
482.30 GiB
מבנה תכונה :
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)),
})
- תיעוד תכונה :
תכונה | מַחלָקָה | צוּרָה | Dtype | תֵאוּר |
---|---|---|---|---|
FeaturesDict | ||||
מטא נתונים | FeaturesDict | |||
מטא נתונים/ערכת נתונים | מוֹתֵחַ | חוּט | ||
מטא נתונים/גובה | מוֹתֵחַ | int32 | ||
metadata/neg_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/not_exhaustive_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/num_frames | מוֹתֵחַ | int32 | ||
metadata/video_name | מוֹתֵחַ | חוּט | ||
מטא נתונים/רוחב | מוֹתֵחַ | int32 | ||
מסלולים | רֶצֶף | |||
רצועות/bboxes | רצף (BBoxFeature) | (אין, 4) | לצוף32 | |
מסלולים/קטגוריה | ClassLabel | int64 | ||
מסלולים/מסגרות | רצף (טנזור) | (אַף לֹא אֶחָד,) | int32 | |
tracks/is_crowd | מוֹתֵחַ | bool | ||
tracks/scale_category | מוֹתֵחַ | חוּט | ||
tracks/track_id | מוֹתֵחַ | int32 | ||
וִידֵאוֹ | וידאו (תמונה) | (ללא, 480, 640, 3) | uint8 |
- דוגמאות ( tfds.as_dataframe ):
tao/רזולוציה_מלאה
תיאור תצורה : גרסת הרזולוציה המלאה של מערך הנתונים.
גודל מערך נתונים :
171.24 GiB
מבנה תכונה :
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)),
})
- תיעוד תכונה :
תכונה | מַחלָקָה | צוּרָה | Dtype | תֵאוּר |
---|---|---|---|---|
FeaturesDict | ||||
מטא נתונים | FeaturesDict | |||
מטא נתונים/ערכת נתונים | מוֹתֵחַ | חוּט | ||
מטא נתונים/גובה | מוֹתֵחַ | int32 | ||
metadata/neg_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/not_exhaustive_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/num_frames | מוֹתֵחַ | int32 | ||
metadata/video_name | מוֹתֵחַ | חוּט | ||
מטא נתונים/רוחב | מוֹתֵחַ | int32 | ||
מסלולים | רֶצֶף | |||
רצועות/bboxes | רצף (BBoxFeature) | (אין, 4) | לצוף32 | |
מסלולים/קטגוריה | ClassLabel | int64 | ||
מסלולים/מסגרות | רצף (טנזור) | (אַף לֹא אֶחָד,) | int32 | |
tracks/is_crowd | מוֹתֵחַ | bool | ||
tracks/scale_category | מוֹתֵחַ | חוּט | ||
tracks/track_id | מוֹתֵחַ | int32 | ||
וִידֵאוֹ | וידאו (תמונה) | (אין, אין, אין, 3) | uint8 |
- דוגמאות ( tfds.as_dataframe ):
- תיאור :
מערך הנתונים של TAO הוא מערך נתונים גדול לזיהוי אובייקטי וידאו המורכב מ-2,907 סרטונים ברזולוציה גבוהה ו-833 קטגוריות אובייקטים. שים לב שמערך נתונים זה דורש לפחות 300 GB של שטח פנוי לאחסון.
תיעוד נוסף : חקור על ניירות עם קוד
דף הבית : https://taodataset.org/
קוד מקור :
tfds.video.tao.Tao
גרסאות :
-
1.0.0
(ברירת מחדל): אין הערות שחרור. -
1.1.0
: נוסף פיצול בדיקה.
-
גודל הורדה :
113.96 GiB
הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל
download_config.manual_dir
(ברירת המחדל היא~/tensorflow_datasets/downloads/manual/
):
יש להוריד ידנית קבצי TAO (סרטוני HVACS ו-AVA) מכיוון שנדרשת כניסה ל-MOT. אנא הורד ואת הנתונים הללו לפי ההוראות בכתובת https://motchallenge.net/tao_download.php
הורד את הנתונים האלה והעבר את קבצי ה-zip שהתקבלו אל ~/tensorflow_datasets/downloads/manual/
אם הנתונים המחייבים הורדה ידנית אינם קיימים, הם ידלג עליהם ויעשה שימוש רק בנתונים שאינם דורשים הורדה ידנית.
שמור אוטומטי במטמון ( תיעוד ): לא
פיצולים :
לְפַצֵל | דוגמאות |
---|---|
'train' | 500 |
'validation' | 988 |
מפתחות בפיקוח (ראה
as_supervised
doc ):None
איור ( tfds.show_examples ): לא נתמך.
ציטוט :
@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 (תצורת ברירת המחדל)
תיאור תצורה : כל התמונות משתנות באופן ביליניארי ל-480 X 640
גודל מערך נתונים :
482.30 GiB
מבנה תכונה :
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)),
})
- תיעוד תכונה :
תכונה | מַחלָקָה | צוּרָה | Dtype | תֵאוּר |
---|---|---|---|---|
FeaturesDict | ||||
מטא נתונים | FeaturesDict | |||
מטא נתונים/ערכת נתונים | מוֹתֵחַ | חוּט | ||
מטא נתונים/גובה | מוֹתֵחַ | int32 | ||
metadata/neg_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/not_exhaustive_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/num_frames | מוֹתֵחַ | int32 | ||
metadata/video_name | מוֹתֵחַ | חוּט | ||
מטא נתונים/רוחב | מוֹתֵחַ | int32 | ||
מסלולים | רֶצֶף | |||
רצועות/bboxes | רצף (BBoxFeature) | (אין, 4) | לצוף32 | |
מסלולים/קטגוריה | ClassLabel | int64 | ||
מסלולים/מסגרות | רצף (טנזור) | (אַף לֹא אֶחָד,) | int32 | |
tracks/is_crowd | מוֹתֵחַ | bool | ||
tracks/scale_category | מוֹתֵחַ | חוּט | ||
tracks/track_id | מוֹתֵחַ | int32 | ||
וִידֵאוֹ | וידאו (תמונה) | (ללא, 480, 640, 3) | uint8 |
- דוגמאות ( tfds.as_dataframe ):
tao/רזולוציה_מלאה
תיאור תצורה : גרסת הרזולוציה המלאה של מערך הנתונים.
גודל מערך נתונים :
171.24 GiB
מבנה תכונה :
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)),
})
- תיעוד תכונה :
תכונה | מַחלָקָה | צוּרָה | Dtype | תֵאוּר |
---|---|---|---|---|
FeaturesDict | ||||
מטא נתונים | FeaturesDict | |||
מטא נתונים/ערכת נתונים | מוֹתֵחַ | חוּט | ||
מטא נתונים/גובה | מוֹתֵחַ | int32 | ||
metadata/neg_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/not_exhaustive_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/num_frames | מוֹתֵחַ | int32 | ||
metadata/video_name | מוֹתֵחַ | חוּט | ||
מטא נתונים/רוחב | מוֹתֵחַ | int32 | ||
מסלולים | רֶצֶף | |||
רצועות/bboxes | רצף (BBoxFeature) | (אין, 4) | לצוף32 | |
מסלולים/קטגוריה | ClassLabel | int64 | ||
מסלולים/מסגרות | רצף (טנזור) | (אַף לֹא אֶחָד,) | int32 | |
tracks/is_crowd | מוֹתֵחַ | bool | ||
tracks/scale_category | מוֹתֵחַ | חוּט | ||
tracks/track_id | מוֹתֵחַ | int32 | ||
וִידֵאוֹ | וידאו (תמונה) | (אין, אין, אין, 3) | uint8 |
- דוגמאות ( tfds.as_dataframe ):
- תיאור :
מערך הנתונים של TAO הוא מערך נתונים גדול לזיהוי אובייקטי וידאו המורכב מ-2,907 סרטונים ברזולוציה גבוהה ו-833 קטגוריות אובייקטים. שים לב שמערך נתונים זה דורש לפחות 300 GB של שטח פנוי לאחסון.
תיעוד נוסף : חקור על ניירות עם קוד
דף הבית : https://taodataset.org/
קוד מקור :
tfds.video.tao.Tao
גרסאות :
-
1.0.0
(ברירת מחדל): אין הערות שחרור. -
1.1.0
: נוסף פיצול בדיקה.
-
גודל הורדה :
113.96 GiB
הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל
download_config.manual_dir
(ברירת המחדל היא~/tensorflow_datasets/downloads/manual/
):
יש להוריד ידנית כמה קבצי TAO (סרטוני HVACS ו-AVA) מכיוון שנדרשת כניסה ל-MOT. אנא הורד ואת הנתונים הללו לפי ההוראות בכתובת https://motchallenge.net/tao_download.php
הורד את הנתונים האלה והעבר את קבצי ה-zip שהתקבלו אל ~/tensorflow_datasets/downloads/manual/
אם הנתונים המחייבים הורדה ידנית אינם קיימים, הם ידלג עליהם ויעשה שימוש רק בנתונים שאינם דורשים הורדה ידנית.
שמור אוטומטי במטמון ( תיעוד ): לא
פיצולים :
לְפַצֵל | דוגמאות |
---|---|
'train' | 500 |
'validation' | 988 |
מפתחות בפיקוח (ראה
as_supervised
doc ):None
איור ( tfds.show_examples ): לא נתמך.
ציטוט :
@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 (תצורת ברירת המחדל)
תיאור תצורה : כל התמונות משתנות באופן ביליניארי ל-480 X 640
גודל מערך נתונים :
482.30 GiB
מבנה תכונה :
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)),
})
- תיעוד תכונה :
תכונה | מַחלָקָה | צוּרָה | Dtype | תֵאוּר |
---|---|---|---|---|
FeaturesDict | ||||
מטא נתונים | FeaturesDict | |||
מטא נתונים/ערכת נתונים | מוֹתֵחַ | חוּט | ||
מטא נתונים/גובה | מוֹתֵחַ | int32 | ||
metadata/neg_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/not_exhaustive_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/num_frames | מוֹתֵחַ | int32 | ||
metadata/video_name | מוֹתֵחַ | חוּט | ||
מטא נתונים/רוחב | מוֹתֵחַ | int32 | ||
מסלולים | רֶצֶף | |||
רצועות/bboxes | רצף (BBoxFeature) | (אין, 4) | לצוף32 | |
מסלולים/קטגוריה | ClassLabel | int64 | ||
מסלולים/מסגרות | רצף (טנזור) | (אַף לֹא אֶחָד,) | int32 | |
tracks/is_crowd | מוֹתֵחַ | bool | ||
tracks/scale_category | מוֹתֵחַ | חוּט | ||
tracks/track_id | מוֹתֵחַ | int32 | ||
וִידֵאוֹ | וידאו (תמונה) | (ללא, 480, 640, 3) | uint8 |
- דוגמאות ( tfds.as_dataframe ):
tao/רזולוציה_מלאה
תיאור תצורה : גרסת הרזולוציה המלאה של מערך הנתונים.
גודל מערך נתונים :
171.24 GiB
מבנה תכונה :
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)),
})
- תיעוד תכונה :
תכונה | מַחלָקָה | צוּרָה | Dtype | תֵאוּר |
---|---|---|---|---|
FeaturesDict | ||||
מטא נתונים | FeaturesDict | |||
מטא נתונים/ערכת נתונים | מוֹתֵחַ | חוּט | ||
מטא נתונים/גובה | מוֹתֵחַ | int32 | ||
metadata/neg_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/not_exhaustive_category_ids | מוֹתֵחַ | (אַף לֹא אֶחָד,) | int32 | |
metadata/num_frames | מוֹתֵחַ | int32 | ||
metadata/video_name | מוֹתֵחַ | חוּט | ||
מטא נתונים/רוחב | מוֹתֵחַ | int32 | ||
מסלולים | רֶצֶף | |||
רצועות/bboxes | רצף (BBoxFeature) | (אין, 4) | לצוף32 | |
מסלולים/קטגוריה | ClassLabel | int64 | ||
מסלולים/מסגרות | רצף (טנזור) | (אַף לֹא אֶחָד,) | int32 | |
tracks/is_crowd | מוֹתֵחַ | bool | ||
tracks/scale_category | מוֹתֵחַ | חוּט | ||
tracks/track_id | מוֹתֵחַ | int32 | ||
וִידֵאוֹ | וידאו (תמונה) | (אין, אין, אין, 3) | uint8 |
- דוגמאות ( tfds.as_dataframe ):