visual_domain_decathlon

• Описание:

Он содержит 10 наборов данных, используемых в Visual Domain Decathlon, части PASCAL in Detail Workshop Challenge (CVPR 2017). Цель этой задачи - решить одновременно десять задач классификации изображений, представляющих самые разные визуальные области.

Некоторые из включенных здесь наборов данных также доступны как отдельные наборы данных в TFDS. Однако обратите внимание, что изображения были предварительно обработаны для Visual Domain Decathlon (размер был изменен изотропно, чтобы иметь меньший размер 72 пикселя) и могут иметь разные разбиения на поезд / проверку / тест. Здесь мы используем официальные сплиты для соревнований.

• Домашняя страница: https://www.robots.ox.ac.uk/~vgg/decathlon/

• Исходный код: tfds.image_classification.VisualDomainDecathlon

• Версии:

  • 1.2.0 ( по умолчанию): Нет Замечания к выпуску.

• Контролируемые ключи (см as_supervised документ ): ('image', 'label')

• Образец цитирования:

@ONLINE{hakanbilensylvestrerebuffitomasjakab2017,
    author = "Hakan Bilen, Sylvestre Rebuffi, Tomas Jakab",
    title  = "Visual Domain Decathlon",
    year   = "2017",
    url    = "https://www.robots.ox.ac.uk/~vgg/decathlon/"
}

visual_domain_decathlon / aircraft (конфигурация по умолчанию)

• Конфигурация Описание: Данные основаны на «Aircraft», с изображениями с измененными размерами изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 20.96 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=100),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / cifar100

• Конфигурация Описание: Данные основаны на «CIFAR-100», с изображениями изменено изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 119.43 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=100),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / daimlerpedcls

• Конфигурация Описание: Данные основаны на «Daimler Пешеходный классификации», с изображениями с измененными размерами изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 68.35 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / dtd

• Конфигурация Описание: Данные основаны на «описываемыми текстуры», с изображениями с измененными размерами изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 13.30 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=47),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / gtsrb

• Config Описание: Данные основаны на «немецких знаках дорожного движения», с изображением с измененными размерами изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 80.58 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=43),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / imagenet12

• Конфигурация Описание: Данные основаны на «Imagenet», с изображениями изменено изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 6.11 GiB

• Dataset Размер: 5.24 GiB

• Авто-кэшируются ( документация ): Нет

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1000),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / omniglot

• Конфигурация Описание: Данные основаны на «Omniglot», с изображениями с измененными размерами изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 41.46 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1623),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / svhn

• Описание конфигурации: Данные основаны на «Street View House Numbers», с изображениями измененными размерами изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 135.32 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / ucf101

• Описание конфигурации: Данные основаны на «UCF101 динамических изображений», с изображением с измененными размерами изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 19.73 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=101),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / vgg-flowers

• Описание конфигурации: Данные основаны на «VGG-цветов», с изображениями , изменении размеров изотропно , чтобы иметь более короткий размер 72 пикселей.

• Скачать Размер: 409.94 MiB

• Dataset Размер: 20.87 MiB

• Авто-кэшируются ( документация ): Да

• расколы:

• Особенности:

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=102),
    'name': Text(shape=(), dtype=tf.string),
})

• Фигура ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):