ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

visual_domain_decathlon

  • รายละเอียด:

ประกอบด้วยชุดข้อมูล 10 ชุดที่ใช้ใน Visual Domain Decathlon ซึ่งเป็นส่วนหนึ่งของ PASCAL in Detail Workshop Challenge (CVPR 2017) เป้าหมายของความท้าทายนี้คือการแก้ปัญหาการจำแนกรูปภาพสิบรายการพร้อมกันซึ่งเป็นตัวแทนของโดเมนภาพที่แตกต่างกันมาก

ชุดข้อมูลบางส่วนที่รวมอยู่ในนี้ยังมีให้เป็นชุดข้อมูลแยกต่างหากใน TFDS อย่างไรก็ตาม โปรดทราบว่ารูปภาพได้รับการประมวลผลล่วงหน้าสำหรับ Visual Domain Decathlon (ปรับขนาด isotropically เพื่อให้มีขนาดสั้นลง 72 พิกเซล) และอาจมีการแยกการฝึก/การตรวจสอบ/การทดสอบที่แตกต่างกัน ที่นี่เราใช้การแยกอย่างเป็นทางการสำหรับการแข่งขัน

@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 (การกำหนดค่าเริ่มต้น)

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "อากาศยาน" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 20.96 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 3,333
'train' 3,334
'validation' 3,333
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/cifar100

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "CIFAR-100" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 119.43 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 10,000
'train' 40,000
'validation' 10,000
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/daimlerpedcls

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "เดมเลอร์การจำแนกประเภทคนเดินเท้า" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 68.35 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 19,600
'train' 23,520
'validation' 5,880
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/dtd

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "พรรณนาพื้นผิว" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 13.30 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 1,880
'train' 1,880
'validation' 1,880
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/gtsrb

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "เยอรมันสัญญาณจราจร" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 80.58 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 12,630
'train' 31,367
'validation' 7,842
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/imagenet12

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "Imagenet" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 6.11 GiB

  • ขนาดชุด: 5.24 GiB

  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'test' 48,238
'train' 1,232,167
'validation' 49,000
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/omniglot

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "Omniglot" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 41.46 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 8,115
'train' 17,853
'validation' 6,492
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/svhn

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "Street View บ้านเบอร์" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 135.32 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 26,032
'train' 47,217
'validation' 26,040
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/ucf101

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "UCF101 แบบไดนามิกภาพ" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 19.73 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 3,783
'train' 7,585
'validation' 1,952
  • คุณสมบัติ:
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),
})

การสร้างภาพ

visual_domain_decathlon/vgg-flowers

  • คำอธิบาย Config: ข้อมูลบนพื้นฐานของ "VGG ดอกไม้" กับภาพปรับขนาด isotropically จะมีขนาดสั้น 72 พิกเซล

  • ขนาดการดาวน์โหลด: 409.94 MiB

  • ขนาดชุด: 20.87 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'test' 6,149
'train' 1,020
'validation' 1,020
  • คุณสมบัติ:
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),
})

การสร้างภาพ