- Tanım :
Wake Vision, mevcut TinyML veri kümelerinin (100x) ölçeğini ve çeşitliliğini önemli ölçüde aşan, 6 milyondan fazla görüntü içeren büyük, yüksek kaliteli bir veri kümesidir. Bu veri kümesi, her görüntünün bir kişiyi içerip içermediğine ilişkin ek açıklamalar içeren görüntüler içerir. Ek olarak, adaleti ve sağlamlığı değerlendirmek için algılanan cinsiyeti, algılanan yaşı, konu mesafesini, aydınlatma koşullarını ve tasvirleri kapsayan kapsamlı, ayrıntılı bir kıyaslama içerir. Wake Vision etiketleri, Google LLC tarafından CC BY 4.0 lisansı kapsamında lisanslanan Open Image ek açıklamalarından türetilmiştir. Görseller CC BY 2.0 lisansına sahip olarak listelenmiştir. Açık Görsellerden Not: "Creative Commons Attribution lisansı kapsamında lisanslanan görselleri belirlemeye çalışsak da, her görselin lisans durumuyla ilgili hiçbir beyan veya garanti vermiyoruz ve her görselin lisansını kendiniz doğrulamanız gerekir."
Ana sayfa : https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi%3A10.7910%2FDVN%2F1HOPXC
Kaynak kodu :
tfds.datasets.wake_vision.Builder
Sürümler :
-
1.0.0
(varsayılan): İlk TensorFlow Veri Kümeleri sürümü. Bunun Harvard Dataverse'deki Wake Vision'ın 2.0 sürümüne dayandığını unutmayın.
-
İndirme boyutu :
Unknown size
Veri kümesi boyutu :
Unknown size
Otomatik önbelleğe alınmış ( belgeler ): Bilinmiyor
Bölünmeler :
Bölmek | Örnekler |
---|
- Özellik yapısı :
FeaturesDict({
'age_unknown': ClassLabel(shape=(), dtype=int64, num_classes=2),
'body_part': ClassLabel(shape=(), dtype=int64, num_classes=2),
'bright': ClassLabel(shape=(), dtype=int64, num_classes=2),
'dark': ClassLabel(shape=(), dtype=int64, num_classes=2),
'depiction': ClassLabel(shape=(), dtype=int64, num_classes=2),
'far': ClassLabel(shape=(), dtype=int64, num_classes=2),
'filename': Text(shape=(), dtype=string),
'gender_unknown': ClassLabel(shape=(), dtype=int64, num_classes=2),
'image': Image(shape=(None, None, 3), dtype=uint8),
'medium_distance': ClassLabel(shape=(), dtype=int64, num_classes=2),
'middle_age': ClassLabel(shape=(), dtype=int64, num_classes=2),
'near': ClassLabel(shape=(), dtype=int64, num_classes=2),
'non-person_depiction': ClassLabel(shape=(), dtype=int64, num_classes=2),
'non-person_non-depiction': ClassLabel(shape=(), dtype=int64, num_classes=2),
'normal_lighting': ClassLabel(shape=(), dtype=int64, num_classes=2),
'older': ClassLabel(shape=(), dtype=int64, num_classes=2),
'person': ClassLabel(shape=(), dtype=int64, num_classes=2),
'person_depiction': ClassLabel(shape=(), dtype=int64, num_classes=2),
'predominantly_female': ClassLabel(shape=(), dtype=int64, num_classes=2),
'predominantly_male': ClassLabel(shape=(), dtype=int64, num_classes=2),
'young': ClassLabel(shape=(), dtype=int64, num_classes=2),
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtipi | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
yaş_bilinmiyor | SınıfEtiketi | int64 | ||
vücut parçası | SınıfEtiketi | int64 | ||
parlak | SınıfEtiketi | int64 | ||
karanlık | SınıfEtiketi | int64 | ||
tasvir | SınıfEtiketi | int64 | ||
uzak | SınıfEtiketi | int64 | ||
dosya adı | Metin | sicim | ||
cinsiyet_bilinmiyor | SınıfEtiketi | int64 | ||
görüntü | Resim | (Yok, Yok, 3) | uint8 | |
orta mesafe | SınıfEtiketi | int64 | ||
orta yaş | SınıfEtiketi | int64 | ||
yakın | SınıfEtiketi | int64 | ||
non-person_depiction | SınıfEtiketi | int64 | ||
non-person_non-tasvir | SınıfEtiketi | int64 | ||
normal_aydınlatma | SınıfEtiketi | int64 | ||
daha yaşlı | SınıfEtiketi | int64 | ||
kişi | SınıfEtiketi | int64 | ||
kişi_tasviri | SınıfEtiketi | int64 | ||
ağırlıklı olarak kadın | SınıfEtiketi | int64 | ||
ağırlıklı olarak erkek | SınıfEtiketi | int64 | ||
genç | SınıfEtiketi | int64 |
Denetlenen anahtarlar (
as_supervised
belgesine bakın):('image', 'person')
Şekil ( tfds.show_examples ): Desteklenmiyor.
Örnekler ( tfds.as_dataframe ): Eksik.
Alıntı :
@article{banbury2024wake,
title={Wake Vision: A Large-scale, Diverse Dataset and Benchmark Suite for TinyML Person Detection},
author={Banbury, Colby and Njor, Emil and Stewart, Matthew and Warden, Pete and Kudlur, Manjunath and Jeffries, Nat and Fafoutis, Xenofon and Reddi, Vijay Janapa},
journal={arXiv preprint arXiv:2405.00892},
year={2024}
}