visual_domain_decathlon

• Описание :

Он содержит 10 наборов данных, используемых в Visual Domain Decathlon, части PASCAL in Detail Workshop Challenge (CVPR 2017). Цель этой задачи - решить одновременно десять задач классификации изображений, представляющих самые разные визуальные области.

Некоторые из включенных здесь наборов данных также доступны как отдельные наборы данных в TFDS. Однако обратите внимание, что изображения были предварительно обработаны для Visual Domain Decathlon (размер был изменен изотропно, чтобы иметь меньший размер 72 пикселя) и могут иметь разные разбиения на поезд / проверку / тест. Здесь мы используем официальные сплиты для соревнований.

• Домашняя страница : https://www.robots.ox.ac.uk/~vgg/decathlon/

• Исходный код : tfds.image_classification.VisualDomainDecathlon

• Версии :

  • 1.2.0 (по умолчанию): без примечаний к выпуску.

• Контролируемые ключи (см. as_supervised ): ('image', 'label')

• Цитата :

@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 (конфигурация по умолчанию)

• Описание конфигурации : Данные основаны на «Самолетах», с изотропно измененными размерами изображений, чтобы они имели меньший размер 72 пикселя.

• Размер загрузки : 409.94 MiB

• Размер набора данных : 20.96 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / cifar100

• Описание конфигурации : Данные основаны на "CIFAR-100", с изотропным изменением размера изображений до более короткого размера 72 пикселя.

• Размер загрузки : 409.94 MiB

• Размер набора данных : 119.43 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / daimlerpedcls

• Описание конфигурации : данные основаны на «классификации пешеходов Daimler», с изотропным изменением размера изображений до более короткого размера 72 пикселя.

• Размер загрузки : 409.94 MiB

• Размер набора данных : 68.35 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / dtd

• Описание конфигурации : данные основаны на «описываемых текстурах» с изотропным изменением размера изображений до более короткого размера 72 пикселя.

• Размер загрузки : 409.94 MiB

• Размер набора данных : 13.30 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / gtsrb

• Описание конфигурации : Данные основаны на «Немецких дорожных знаках», при этом размер изображений изотропно изменен до более короткого (72 пикселя).

• Размер загрузки : 409.94 MiB

• Размер набора данных : 80.58 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / imagenet12

• Описание конфигурации : Данные основаны на "Imagenet", при этом размер изображений изотропно изменен, чтобы иметь меньший размер 72 пикселя.

• Размер загружаемого файла : 6.11 GiB

• Размер набора данных : 5.24 GiB

• Автоматическое кэширование ( документация ): Нет

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / omniglot

• Описание конфигурации : Данные основаны на «Омниглоте» с изотропным изменением размера изображений до более короткого размера 72 пикселя.

• Размер загрузки : 409.94 MiB

• Размер набора данных : 41.46 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / svhn

• Описание конфигурации : данные основаны на «номерах домов в просмотре улиц» с изотропным изменением размера изображений до 72 пикселей.

• Размер загрузки : 409.94 MiB

• Размер набора данных : 135.32 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / ucf101

• Описание конфигурации : данные основаны на "динамических изображениях UCF101", при этом размер изображений изотропно изменен до более короткого размера 72 пикселя.

• Размер загрузки : 409.94 MiB

• Размер набора данных : 19.73 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

visual_domain_decathlon / vgg-цветы

• Описание конфигурации : Данные основаны на «VGG-Flowers», при этом размер изображений изотропно изменен, чтобы иметь меньший размер 72 пикселя.

• Размер загрузки : 409.94 MiB

• Размер набора данных : 20.87 MiB

• Автоматическое кэширование ( документация ): Да

• Сплит :

• Особенности :

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),
})

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):