เคลฟเวอร์

• คำอธิบาย :

CLEVR คือชุดข้อมูลการวินิจฉัยที่ทดสอบความสามารถในการให้เหตุผลเชิงภาพที่หลากหลาย มันมีอคติน้อยที่สุดและมีคำอธิบายประกอบโดยละเอียดที่อธิบายประเภทของการให้เหตุผลแต่ละคำถามที่ต้องการ

• เอกสารประกอบเพิ่มเติม : สำรวจในเอกสารด้วยรหัส

• หน้าแรก : https://cs.stanford.edu/people/jcjohns/clevr/

• ซอร์สโค้ด : tfds.datasets.clevr.Builder

• รุ่น :

  • 3.0.0 : ไม่มีบันทึกประจำรุ่น
  • 3.1.0 (ค่าเริ่มต้น): เพิ่มข้อความคำถาม/คำตอบ

• ขนาดการดาวน์โหลด : 17.72 GiB

• ขนาดชุดข้อมูล : 17.75 GiB

• แคชอัตโนมัติ ( เอกสาร ): No

• แยก :

แยก	ตัวอย่าง
'test'	15,000
'train'	70,000
'validation'	15,000

• โครงสร้างคุณสมบัติ :

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),
    }),
})

• เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD	คำอธิบาย
	คุณสมบัติDict
ชื่อไฟล์	ข้อความ		เชือก
ภาพ	ภาพ	(ไม่มี ไม่มี 3)	uint8
วัตถุ	ลำดับ
วัตถุ/3d_coords	เทนเซอร์	(3,)	ลอย32
วัตถุ/สี	ClassLabel		int64
วัตถุ/วัสดุ	ClassLabel		int64
วัตถุ/pixel_coords	เทนเซอร์	(3,)	ลอย32
วัตถุ/การหมุน	เทนเซอร์		ลอย32
วัตถุ/รูปร่าง	ClassLabel		int64
วัตถุ/ขนาด	ClassLabel		int64
คำถามคำตอบ	ลำดับ
คำถาม_คำตอบ/คำตอบ	ข้อความ		เชือก
คำถาม_คำตอบ/คำถาม	ข้อความ		เชือก

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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}
}