- 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 :
Трещина | Примеры |
---|---|
'test' | 3 333 |
'train' | 3,334 |
'validation' | 3 333 |
- 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 :
Трещина | Примеры |
---|---|
'test' | 10 000 |
'train' | 40 000 |
'validation' | 10 000 |
- 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 :
Трещина | Примеры |
---|---|
'test' | 19 600 |
'train' | 23 520 |
'validation' | 5 880 |
- 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 на основе «описываемых текстур» 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 :
Трещина | Примеры |
---|---|
'test' | 1880 |
'train' | 1880 |
'validation' | 1880 |
- 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, чтобы иметь меньший размер 72 пикселя.
Размер загрузки :
409.94 MiB
Размер набора данных :
80.58 MiB
Автоматическое кэширование ( документация ): Да
Сплит :
Трещина | Примеры |
---|---|
'test' | 12 630 |
'train' | 31 367 |
'validation' | 7 842 |
- 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», с изотропным изменением размера изображений до более короткого размера 72 пикселя.
Размер загружаемого файла :
6.11 GiB
Размер набора данных :
5.24 GiB
Автоматическое кэширование ( документация ): Нет
Сплит :
Трещина | Примеры |
---|---|
'test' | 48 238 |
'train' | 1,232,167 |
'validation' | 49 000 |
- 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 :
Трещина | Примеры |
---|---|
'test' | 8,115 |
'train' | 17 853 |
'validation' | 6 492 |
- 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 :
Трещина | Примеры |
---|---|
'test' | 26 032 |
'train' | 47 217 |
'validation' | 26 040 |
- 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 :
Трещина | Примеры |
---|---|
'test' | 3783 |
'train' | 7 585 |
'validation' | 1 952 |
- 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 :
Трещина | Примеры |
---|---|
'test' | 6 149 |
'train' | 1,020 |
'validation' | 1,020 |
- 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 ):