Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

visual_domain_decathlon

  • opis:

Zawiera on 10 zestawów danych używanych w Decathlonie w domenie wizualnej, będącej częścią PASCAL in Detail Workshop Challenge (CVPR 2017). Celem tego wyzwania jest jednoczesne rozwiązanie dziesięciu problemów klasyfikacji obrazów reprezentujących bardzo różne domeny wizualne.

Niektóre z zawartych tutaj zbiorów danych są również dostępne jako oddzielne zbiory danych w TFDS. Należy jednak zauważyć, że obrazy zostały wstępnie przetworzone dla Decathlon domeny wizualnej (rozmiar izotropowo zmieniony, aby mieć krótszy rozmiar 72 pikseli) i mogą mieć różne podziały trenowania/walidacji/testowania. Tutaj używamy oficjalnych splitów do zawodów.

@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/samolot (konfiguracja domyślna)

  • Opis config: dane na podstawie „statków powietrznych”, z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 20.96 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 3333
'train' 3,334
'validation' 3333
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/cifar100

  • Opis config: dane na podstawie „CIFAR-100”, z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 119.43 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 10 000
'train' 40 000
'validation' 10 000
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/daimlerpedcls

  • Opis config: dane na podstawie „Klasyfikacji Daimler Pieszy”, z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 68.35 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 19 600
'train' 23 520
'validation' 5880
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/dtd

  • Opis config: dane na podstawie „opisania tekstury”, z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 13.30 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 1880
'train' 1880
'validation' 1880
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/gtsrb

  • Opis config: dane na podstawie „niemieckich znaków drogowych”, z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 80.58 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 12.630
'train' 31.367
'validation' 7842
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/imagenet12

  • Opis config: dane na podstawie „IMAGEnet” z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 6.11 GiB

  • Zbiór danych rozmiar: 5.24 GiB

  • Auto-buforowane ( dokumentacja ): Nie

  • dzieli:

Podział Przykłady
'test' 48 238
'train' 1 232 167
'validation' 49 000
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/omniglot

  • Opis config: dane na podstawie „Omniglot” z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 41.46 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 8115
'train' 17,853
'validation' 6492
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/svhn

  • Opis config: dane na podstawie „Liczb Street View House” z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 135.32 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 26 032
'train' 47.217
'validation' 26,040
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/ucf101

  • Opis config: dane na podstawie „UCF101 dynamiczne obrazy” z obrazami zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 19.73 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 3783
'train' 7585
'validation' 1952
  • Cechy:
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),
})

Wyobrażanie sobie

visual_domain_decathlon/vgg-flowers

  • Opis config: dane na podstawie „VGG-kwiatów”, a obrazy zmieniany izotropowo mieć krótszą wielkości 72 pikseli.

  • Wielkość pliku: 409.94 MiB

  • Zbiór danych rozmiar: 20.87 MiB

  • Auto-buforowane ( dokumentacja ): Tak

  • dzieli:

Podział Przykłady
'test' 6149
'train' 1020
'validation' 1020
  • Cechy:
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),
})

Wyobrażanie sobie