Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

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.

@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:

Расколоть Примеры
'test' 3 333
'train' 3 334
'validation' 3 333
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 10 000
'train' 40 000
'validation' 10 000
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 19 600
'train' 23 520
'validation' 5 880
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 1880
'train' 1880
'validation' 1880
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 12 630
'train' 31 367
'validation' 7 842
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 48 238
'train' 1,232,167
'validation' 49 000
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 8,115
'train' 17 853
'validation' 6 492
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 26 032
'train' 47 217
'validation' 26 040
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 3783
'train' 7 585
'validation' 1 952
  • 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),
})

Визуализация

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:

Расколоть Примеры
'test' 6 149
'train' 1,020
'validation' 1,020
  • 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),
})

Визуализация