امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

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.

@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),
})

تجسم

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),
})

تجسم

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),
})

تجسم

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),
})

تجسم

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),
})

تجسم

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),
})

تجسم

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),
})

تجسم

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),
})

تجسم

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),
})

تجسم

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),
})

تجسم