- توضیحات :
این شامل 10 مجموعه داده استفاده شده در Visual Domain Decathlon ، بخشی از PASCAL in Detail Workshop Challenge (CVPR 2017) است. هدف از این چالش حل همزمان 10 مسئله طبقه بندی تصویر است که نمایانگر حوزه های دیداری بسیار متفاوت هستند.
برخی از مجموعه های داده موجود در اینجا به عنوان مجموعه داده های جداگانه در TFDS نیز موجود است. با این حال ، توجه داشته باشید که تصاویر برای Visual Domain Decathlon از قبل پردازش شده اند (اندازه همسانگرد برای اندازه کوتاه تر 72 پیکسل است) و ممکن است دارای شکاف های مختلف قطار / اعتبار / آزمون باشد. در اینجا ما از تقسیمات رسمی برای مسابقات استفاده می کنیم.
صفحه اصلی : https://www.robots.ox.ac.uk/~vgg/decathlon/
نسخه ها :
-
1.2.0
(پیش فرض): بدون یادداشت انتشار.
-
کلیدهای تحت نظارت (به
as_supervised
سند نظارت شده مراجعه کنید):('image', 'label')
نقل قول :
@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 / هواپیما (پیکربندی پیش فرض)
شرح پیکربندی : داده های مبتنی بر "هواپیما" با اندازه ایزوتروپیک تصاویر اندازه کمتری دارند و 72 پیکسل دارند.
اندازه
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
20.96 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 3،333 |
'train' | 3،334 |
'validation' | 3،333 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / cifar100
توضیحات پیکربندی : داده های مبتنی بر "CIFAR-100" ، با اندازه ایزوتروپیکی تصاویر اندازه کمتری دارند و 72 پیکسل دارند.
اندازه
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
119.43 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 10000 |
'train' | 40000 |
'validation' | 10000 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / daimlerpedcls
توضیحات پیکربندی : داده های مبتنی بر "طبقه بندی عابر پیاده Daimler" با اندازه ایزوتروپیک تصاویر با اندازه کوتاهتر 72 پیکسل.
حجم
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
68.35 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 19،600 |
'train' | 23،520 |
'validation' | 5880 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / dtd
توضیحات پیکربندی : داده های مبتنی بر "بافت های قابل توصیف" با اندازه ایزوتروپیک تصاویر با اندازه کمتر 72 پیکسل.
حجم
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
13.30 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 1880 |
'train' | 1880 |
'validation' | 1880 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / gtsrb
توضیحات پیکربندی : داده ها بر اساس "علائم راهنمایی و رانندگی آلمان" با اندازه ایزوتروپیک اندازه تصاویر با اندازه کوتاهتر 72 پیکسل است.
حجم
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
80.58 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 12،630 |
'train' | 31،367 |
'validation' | 7،842 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / imagenet12
توضیحات پیکربندی : داده های مبتنی بر "Imagenet" با اندازه ایزوتروپیکی تصاویر اندازه کمتری دارند و 72 پیکسل دارند.
اندازه بارگیری :
6.11 GiB
اندازه مجموعه داده :
5.24 GiB
ذخیره خودکار ( مستندات ): خیر
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 48،238 |
'train' | 1،232،167 |
'validation' | 49000 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / omniglot
توضیحات پیکربندی : داده های مبتنی بر "Omniglot" ، با اندازه ایزوتروپیک تصاویر اندازه کمتری دارند و 72 پیکسل دارند.
حجم
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
41.46 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 8،115 |
'train' | 17،853 |
'validation' | 6،492 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / svhn
توضیحات پیکربندی : داده ها بر اساس "Street View Numbers House" با اندازه ایزوتروپیک اندازه تصاویر با اندازه کوتاهتر 72 پیکسل.
حجم
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
135.32 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 26،032 |
'train' | 47،217 |
'validation' | 26،040 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / ucf101
توضیحات پیکربندی : داده های مبتنی بر "تصاویر پویا UCF101" ، با اندازه ایزوتروپیک تصاویر اندازه کمتری دارند و 72 پیکسل دارند.
حجم
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
19.73 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 3،783 |
'train' | 7585 |
'validation' | 1،952 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
visual_domain_decathlon / vgg-flowers
توضیحات پیکربندی : داده های مبتنی بر "VGG-Flowers" ، با اندازه ایزوتروپیک تصاویر با اندازه کمتر و 72 پیکسل.
حجم
409.94 MiB
:409.94 MiB
اندازه مجموعه داده :
20.87 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 6149 |
'train' | 1020 |
'validation' | 1020 |
- ویژگی ها :
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),
})
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):