ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

เต่า

  • รายละเอียด:

ชุดข้อมูล TAO เป็นชุดข้อมูลการตรวจหาวัตถุวิดีโอขนาดใหญ่ที่ประกอบด้วยวิดีโอความละเอียดสูง 2,907 รายการและหมวดหมู่วัตถุ 833 รายการ โปรดทราบว่าชุดข้อมูลนี้ต้องการพื้นที่ว่างอย่างน้อย 300 GB เพื่อจัดเก็บ

  • โฮมเพจ: https://taodataset.org/

  • รหัสที่มา: tfds.video.tao.Tao

  • รุ่น:

    • 1.0.0 (เริ่มต้น): เริ่มต้นปล่อย
  • ขนาดการดาวน์โหลด: 113.96 GiB

  • คำแนะนำการดาวน์โหลดคู่มือ: ชุดนี้คุณจะต้องดาวน์โหลดข้อมูลแหล่งที่มาของตนเองลงใน download_config.manual_dir (ค่าเริ่มต้น ~/tensorflow_datasets/downloads/manual/ ):
    ต้องดาวน์โหลดไฟล์ TAO บางไฟล์ (วิดีโอ HVACS และ AVA) ด้วยตนเอง เนื่องจากจำเป็นต้องลงชื่อเข้าใช้ MOT โปรดดาวน์โหลดและข้อมูลเหล่านั้นทำตามคำแนะนำที่ https://motchallenge.net/tao_download.php

ดาวน์โหลดข้อมูลนี้และย้ายไฟล์ .zip ที่เป็นผลลัพธ์ไปที่ ~/tensorflow_datasets/downloads/manual/

หากไม่มีข้อมูลที่ต้องการดาวน์โหลดด้วยตนเอง ระบบจะข้ามข้อมูลนั้นและจะใช้เฉพาะข้อมูลที่ไม่ต้องดาวน์โหลดด้วยตนเองเท่านั้น

แยก ตัวอย่าง
'train' 500
'validation' 988
  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

  • รูป ( tfds.show_examples ): ไม่ได้รับการสนับสนุน

  • อ้างอิง:

@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 (การกำหนดค่าเริ่มต้น)

  • คำอธิบาย Config: ภาพทั้งหมดจะถูกปรับขนาด bilinearly 480 X 640

  • ขนาดชุด: 482.30 GiB

  • คุณสมบัติ:

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/full_ resolution

  • คำอธิบาย Config: รุ่นความละเอียดเต็มรูปแบบของชุดข้อมูล

  • ขนาดชุด: 171.24 GiB

  • คุณสมบัติ:

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)),
})