賢い

• 説明：

CLEVR は、さまざまな視覚的推論能力をテストする診断データセットです。バイアスは最小限に抑えられており、各質問に必要な推論の種類を説明する詳細な注釈が付いています。

• 追加ドキュメント:コード付きの論文について調べる

• ホームページ: https://cs.stanford.edu/people/jcjohns/clevr/

• ソースコード: tfds.datasets.clevr.Builder

• バージョン:

  • 3.0.0 : リリースノートはありません。
  • 3.1.0 (デフォルト): 質問/回答テキストを追加します。

• ダウンロードサイズ: 17.72 GiB

• データセットのサイズ: 17.75 GiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

スプリット	例
'test'	15,000
'train'	70,000
'validation'	15,000

• 機能の構造:

FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'objects': Sequence({
        '3d_coords': Tensor(shape=(3,), dtype=float32),
        'color': ClassLabel(shape=(), dtype=int64, num_classes=8),
        'material': ClassLabel(shape=(), dtype=int64, num_classes=2),
        'pixel_coords': Tensor(shape=(3,), dtype=float32),
        'rotation': float32,
        'shape': ClassLabel(shape=(), dtype=int64, num_classes=3),
        'size': ClassLabel(shape=(), dtype=int64, num_classes=2),
    }),
    'question_answer': Sequence({
        'answer': Text(shape=(), dtype=string),
        'question': Text(shape=(), dtype=string),
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ファイル名	文章		弦
画像	画像	(なし、なし、3)	uint8
オブジェクト	順序
オブジェクト/3d_coords	テンソル	(3,)	float32
オブジェクト/色	クラスラベル		int64
オブジェクト/マテリアル	クラスラベル		int64
オブジェクト/ピクセル座標	テンソル	(3,)	float32
オブジェクト/回転	テンソル		float32
オブジェクト/形状	クラスラベル		int64
オブジェクト/サイズ	クラスラベル		int64
質疑応答	順序
質問_回答/回答	文章		弦
質問_回答/質問	文章		弦

• 監視キー( as_supervised docを参照): None

• 図( tfds.show_examples ):

• 例( tfds.as_dataframe ):

• 引用：

@inproceedings{johnson2017clevr,
  title={ {CLEVR}: A diagnostic dataset for compositional language and elementary visual reasoning},
  author={Johnson, Justin and Hariharan, Bharath and van der Maaten, Laurens and Fei-Fei, Li and Lawrence Zitnick, C and Girshick, Ross},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  year={2017}
}