visual_domain_decathlon

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/
کد منبع : tfds.image_classification.VisualDomainDecathlon
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 ):

تجسم

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 ):

تجسم

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 ):

تجسم

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 ):

تجسم

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 ):

تجسم

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 ):

تجسم

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 ):

تجسم

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 ):

تجسم

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 ):

تجسم

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 ):

تجسم

مثالها ( tfds.as_dataframe ):