Tao

  • Descripción :

El conjunto de datos TAO es un gran conjunto de datos de detección de objetos de video que consta de 2907 videos de alta resolución y 833 categorías de objetos. Tenga en cuenta que este conjunto de datos requiere al menos 300 GB de espacio libre para almacenar.

  • Documentación adicional : Explore en Papers With Code

  • Página de inicio: https://taodataset.org/

  • Código fuente : tfds.video.tao.Tao

  • Versiones :

    • 1.0.0 (predeterminado): Versión inicial.
  • Tamaño de descarga : 113.96 GiB

  • Instrucciones de descarga manual : este conjunto de datos requiere que descargue los datos de origen manualmente en download_config.manual_dir (el valor predeterminado es ~/tensorflow_datasets/downloads/manual/ ):
    Algunos archivos TAO (videos HVACS y AVA) deben descargarse manualmente porque se requiere iniciar sesión en MOT. Descargue esos datos siguiendo las instrucciones en https://motchallenge.net/tao_download.php

Descargue estos datos y mueva los archivos .zip resultantes a ~/tensorflow_datasets/downloads/manual/

Si los datos que requieren descarga manual no están presentes, se omitirán y solo se utilizarán los datos que no requieran descarga manual.

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'train' 500
'validation' 988
@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 (configuración predeterminada)

  • Descripción de la configuración : todas las imágenes se redimensionan de forma bilineal a 480 X 640

  • Tamaño del conjunto de datos : 482.30 GiB

  • Estructura de características :

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)),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
metadatos CaracterísticasDict
metadatos/conjunto de datos Tensor cuerda
metadatos/altura Tensor int32
metadatos/neg_category_ids Tensor (Ninguna,) int32
metadata/not_exhaustive_category_ids Tensor (Ninguna,) int32
metadatos/num_frames Tensor int32
metadatos/video_name Tensor cuerda
metadatos/ancho Tensor int32
pistas Secuencia
pistas/bboxes Secuencia (BBoxFeature) (Ninguno, 4) flotar32
pistas/categoría Etiqueta de clase int64
pistas/fotogramas Secuencia (tensor) (Ninguna,) int32
pistas/is_crowd Tensor bool
pistas/escala_categoría Tensor cuerda
pistas/track_id Tensor int32
video Vídeo (Imagen) (Ninguno, 480, 640, 3) uint8

tao/resolución_completa

  • Descripción de la configuración : la versión de resolución completa del conjunto de datos.

  • Tamaño del conjunto de datos : 171.24 GiB

  • Estructura de características :

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)),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
metadatos CaracterísticasDict
metadatos/conjunto de datos Tensor cuerda
metadatos/altura Tensor int32
metadatos/neg_category_ids Tensor (Ninguna,) int32
metadata/not_exhaustive_category_ids Tensor (Ninguna,) int32
metadatos/num_frames Tensor int32
metadatos/video_name Tensor cuerda
metadatos/ancho Tensor int32
pistas Secuencia
pistas/bboxes Secuencia (BBoxFeature) (Ninguno, 4) flotar32
pistas/categoría Etiqueta de clase int64
pistas/fotogramas Secuencia (tensor) (Ninguna,) int32
pistas/is_crowd Tensor bool
pistas/escala_categoría Tensor cuerda
pistas/track_id Tensor int32
video Vídeo (Imagen) (Ninguno, Ninguno, Ninguno, 3) uint8