Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

visual_domain_decathlon

  • Deskripsi :

Ini berisi 10 set data yang digunakan dalam Visual Domain Decathlon, bagian dari PASCAL di Detail Workshop Challenge (CVPR 2017). Tujuan dari tantangan ini adalah untuk memecahkan secara bersamaan sepuluh masalah klasifikasi gambar yang mewakili domain visual yang sangat berbeda.

Beberapa set data yang disertakan di sini juga tersedia sebagai set data terpisah di TFDS. Namun, perhatikan bahwa gambar telah diproses sebelumnya untuk Visual Domain Decathlon (ukurannya diubah secara isotropis agar memiliki ukuran yang lebih pendek 72 piksel) dan mungkin memiliki train / validation / test split yang berbeda. Di sini kami menggunakan split resmi untuk kompetisi.

@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 (konfigurasi default)

  • Deskripsi konfigurasi : Data berdasarkan "Pesawat", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran set data : 20.96 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 3.333
'train' 3.334
'validation' 3.333
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / cifar100

  • Deskripsi konfigurasi : Data berdasarkan "CIFAR-100", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran 119.43 MiB data : 119.43 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 10.000
'train' 40.000
'validation' 10.000
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / daimlerpedcls

  • Deskripsi konfigurasi : Data berdasarkan "Daimler Pedestrian Classification", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek, yaitu 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran 68.35 MiB data : 68.35 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 19.600
'train' 23.520
'validation' 5.880
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / dtd

  • Deskripsi konfigurasi : Data berdasarkan "Tekstur yang Dapat Dijelaskan", dengan gambar yang diubah ukurannya secara isotropis menjadi ukuran yang lebih pendek 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran set data : 13.30 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 1.880
'train' 1.880
'validation' 1.880
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / gtsrb

  • Deskripsi konfigurasi : Data berdasarkan "Rambu Lalu Lintas Jerman", dengan gambar yang diubah ukurannya secara isotropis menjadi ukuran yang lebih pendek 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran 80.58 MiB data : 80.58 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 12.630
'train' 31.367
'validation' 7.842
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / imagenet12

  • Deskripsi konfigurasi : Data berdasarkan "Imagenet", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.

  • Ukuran unduhan : 6.11 GiB

  • Ukuran set data : 5.24 GiB

  • Cache otomatis ( dokumentasi ): Tidak

  • Split :

Membagi Contoh
'test' 48.238
'train' 1.232.167
'validation' 49.000
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / omniglot

  • Deskripsi konfigurasi : Data berdasarkan "Omniglot", dengan gambar yang diubah ukurannya secara isotropis menjadi berukuran lebih pendek 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran 41.46 MiB data : 41.46 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 8.115
'train' 17.853
'validation' 6.492
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / svhn

  • Deskripsi konfigurasi : Data berdasarkan "Nomor Rumah Street View", dengan gambar yang diubah ukurannya secara isotropis menjadi ukuran yang lebih pendek 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran 135.32 MiB data : 135.32 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 26.032
'train' 47.217
'validation' 26.040
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / ucf101

  • Deskripsi konfigurasi : Data berdasarkan "Gambar Dinamis UCF101", dengan gambar yang diubah ukurannya secara isotropis agar memiliki ukuran yang lebih pendek yaitu 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran 19.73 MiB data : 19.73 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 3.783
'train' 7.585
'validation' 1.952
  • Fitur :
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),
})

Visualisasi

visual_domain_decathlon / vgg-flowers

  • Deskripsi konfigurasi : Data berdasarkan "VGG-Flowers", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.

  • Ukuran unduhan : 409.94 MiB

  • Ukuran 20.87 MiB data : 20.87 MiB

  • Cache otomatis ( dokumentasi ): Ya

  • Split :

Membagi Contoh
'test' 6.149
'train' 1.020
'validation' 1.020
  • Fitur :
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),
})

Visualisasi