visual_domain_decathlon

• توضیحات :

این شامل 10 مجموعه داده مورد استفاده در Visual Domain Decathlon، بخشی از چالش کارگاه آموزشی PASCAL در جزئیات (CVPR 2017) است. هدف از این چالش حل همزمان ده مسئله طبقه بندی تصویر نماینده حوزه های بصری بسیار متفاوت است.

برخی از مجموعه داده های موجود در اینجا نیز به عنوان مجموعه داده های جداگانه در TFDS موجود هستند. با این حال، توجه داشته باشید که تصاویر برای Visual Domain Decathlon از قبل پردازش شده اند (اندازه همسانگردی برای داشتن اندازه کوتاهتر 72 پیکسل تغییر یافته است) و ممکن است تقسیم بندی های مختلف قطار/اعتبار/آزمایش داشته باشند. در اینجا ما از تقسیم های رسمی برای مسابقه استفاده می کنیم.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://www.robots.ox.ac.uk/~vgg/decathlon/

• کد منبع : tfds.image_classification.VisualDomainDecathlon

• نسخه ها :

  • 1.2.0 (پیش فرض): بدون یادداشت انتشار.

• کلیدهای نظارت شده (مشاهده as_supervised doc ): ('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/aircraft (پیکربندی پیش‌فرض)

• توضیحات پیکربندی : داده‌های مبتنی بر "هواپیمایی"، با اندازه تصاویر به صورت همسانگرد برای داشتن اندازه کوتاه‌تر 72 پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 20.96 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/cifar100

• توضیحات پیکربندی : داده‌های مبتنی بر "CIFAR-100"، با اندازه تصاویر به صورت همسانگرد برای داشتن اندازه کوتاهتر 72 پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 119.43 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/daimlerpedcls

• توضیحات پیکربندی : داده‌های مبتنی بر «طبقه‌بندی عابر پیاده دایملر»، با اندازه تصاویر همسانگرد برای داشتن اندازه کوتاه‌تر ۷۲ پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 68.35 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/dtd

• توضیحات پیکربندی : داده‌های مبتنی بر «بافت‌های قابل توصیف»، با اندازه‌ی تصاویر همسانگرد برای داشتن اندازه کوتاه‌تر ۷۲ پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 13.30 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/gtsrb

• توضیحات پیکربندی : داده‌های مبتنی بر "علائم راهنمایی و رانندگی آلمان"، با اندازه تصاویر به صورت همسانگرد برای داشتن اندازه کوتاه‌تر 72 پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 80.58 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/imagenet12

• توضیحات پیکربندی : داده‌های مبتنی بر "Imagenet"، با اندازه تصاویر به صورت همسانگرد برای داشتن اندازه کوتاهتر 72 پیکسل.

• حجم دانلود : 6.11 GiB

• حجم مجموعه داده : 5.24 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/omniglot

• توضیحات پیکربندی : داده‌های مبتنی بر "Omniglot"، با اندازه تصاویر به صورت همسانگرد برای داشتن اندازه کوتاهتر 72 پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 41.46 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/svhn

• توضیحات پیکربندی : داده‌های مبتنی بر «شماره خانه‌های نمای خیابان»، با اندازه تصاویر به صورت همسانگرد برای داشتن اندازه کوتاه‌تر ۷۲ پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 135.32 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/ucf101

• توضیحات پیکربندی : داده‌های مبتنی بر «تصاویر پویا UCF101»، با اندازه‌ی تصاویر به صورت همسانگرد برای داشتن اندازه کوتاه‌تر ۷۲ پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 19.73 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

visual_domain_decathlon/vgg-flowers

• توضیحات پیکربندی : داده‌های مبتنی بر "VGG-Flowers"، با اندازه تصاویر به صورت همسانگرد برای داشتن اندازه کوتاهتر 72 پیکسل.

• حجم دانلود : 409.94 MiB

• حجم مجموعه داده : 20.87 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):