Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

tao

  • opis:

Zestaw danych TAO to duży zestaw danych do wykrywania obiektów wideo, składający się z 2907 filmów o wysokiej rozdzielczości i 833 kategorii obiektów. Pamiętaj, że ten zestaw danych wymaga co najmniej 300 GB wolnego miejsca do przechowywania.

  • Strona domowa: https://taodataset.org/

  • Kod źródłowy: tfds.video.tao.Tao

  • wersje:

    • 1.0.0 (domyślnie): Pierwsza wersja.
  • Wielkość pliku: 113.96 GiB

  • Ręczne pobieranie instrukcje: Ten zestaw danych wymaga, aby ręcznie pobrać dane źródłowe do download_config.manual_dir (domyślnie ~/tensorflow_datasets/downloads/manual/ )
    Niektóre pliki TAO (filmy HVACS i AVA) należy pobrać ręcznie, ponieważ wymagane jest zalogowanie się do MOT. Proszę pobrać i te dane zgodnie z instrukcjami na https://motchallenge.net/tao_download.php

Pobierz te dane i przenieś wynikowe pliki .zip do ~/tensorflow_datasets/downloads/manual/

Jeśli dane wymagające ręcznego pobrania nie są dostępne, zostaną pominięte i zostaną użyte tylko dane niewymagające ręcznego pobrania.

Podział Przykłady
'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 (konfiguracja domyślna)

  • Opis config: Wszystkie obrazy są bilinearly przeskalowane do 480 x 640

  • Zbiór danych rozmiar: 482.30 GiB

  • Cechy:

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

tao/pełna_rozdzielczość

  • Opis config: Pełna rozdzielczość wersja zestawu danych.

  • Zbiór danych rozmiar: 171.24 GiB

  • Cechy:

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