visual_domain_decathlon

  • Açıklama :

Bu, PASCAL in Detail Workshop Challenge'ın (CVPR 2017) bir parçası olan Visual Domain Decathlon'da kullanılan 10 veri kümesini içerir. Bu zorluğun amacı, çok farklı görsel alanları temsil eden on görüntü sınıflandırma problemini aynı anda çözmektir.

Burada yer alan veri kümelerinden bazıları, TFDS'de ayrı veri kümeleri olarak da mevcuttur. Ancak, görüntülerin Visual Domain Decathlon için önceden işlendiğine (72 piksel daha kısa bir boyuta sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığına) ve farklı eğitim/doğrulama/test bölmelerine sahip olabileceğine dikkat edin. Burada yarışma için resmi bölmeleri kullanıyoruz.

@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/uçak (varsayılan yapılandırma)

  • Yapılandırma açıklaması : Görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığı "Uçak"a dayalı veriler.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 20.96 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 3.333
'train' 3.334
'validation' 3.333
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/cifar100

  • Yapılandırma açıklaması : Görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığı "CIFAR-100"e dayalı veriler.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 119.43 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 10.000
'train' 40.000
'validation' 10.000
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/daimlerpedcls

  • Yapılandırma açıklaması : Görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığı "Daimler Yaya Sınıflandırması"na dayalı veriler.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 68.35 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 19.600
'train' 23,520
'validation' 5.880
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/dtd

  • Yapılandırma açıklaması : Görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığı "Açıklanabilir Dokular"a dayalı veriler.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 13.30 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 1.880
'train' 1.880
'validation' 1.880
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/gtsrb

  • Yapılandırma açıklaması : "Alman Trafik İşaretlerine" dayalı veriler, görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırılması.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 80.58 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 12.630
'train' 31.367
'validation' 7.842
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/imagenet12

  • Yapılandırma açıklaması : Görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığı "Imagenet"e dayalı veriler.

  • İndirme boyutu : 6.11 GiB

  • Veri kümesi boyutu : 5.24 GiB

  • Otomatik önbelleğe alınmış ( belgeler ): Hayır

  • Bölmeler :

Bölmek Örnekler
'test' 48.238
'train' 1.232.167
'validation' 49.000
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/omniglot

  • Yapılandırma açıklaması : Görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığı "Omniglot"a dayalı veriler.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 41.46 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 8.115
'train' 17.853
'validation' 6.492
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/svhn

  • Yapılandırma açıklaması : Görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığı "Street View Ev Numaralarına" dayalı veriler.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 135.32 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 26.032
'train' 47.217
'validation' 26.040
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/ucf101

  • Yapılandırma açıklaması : Görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırıldığı "UCF101 Dinamik Görüntüler"e dayalı veriler.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 19.73 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 3.783
'train' 7.585
'validation' 1.952
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string

visual_domain_decathlon/vgg-flowers

  • Yapılandırma açıklaması : "VGG-Flowers"a dayalı veriler, görüntülerin daha kısa 72 piksel boyutuna sahip olacak şekilde izotropik olarak yeniden boyutlandırılması.

  • İndirme boyutu : 409.94 MiB

  • Veri kümesi boyutu : 20.87 MiB

  • Otomatik önbelleğe alınmış ( belgeler ): Evet

  • Bölmeler :

Bölmek Örnekler
'test' 6.149
'train' 1.020
'validation' 1.020
  • Özellik yapısı :
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),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtype Tanım
ÖzelliklerDict
resim resim (Yok, Yok, 3) tf.uint8
etiket sınıf etiketi tf.int64
isim Metin tf.string