кокос

• Визуализация : Исследуйте в Know Your Data

• Описание :

COCO — это крупномасштабный набор данных для обнаружения, сегментации и подписи объектов.

Примечание: * Некоторые изображения из наборов поездов и проверок не имеют аннотаций. * В Coco 2014 и 2017 используются одни и те же изображения, но разные сплиты train/val/test * У тестового сплита нет аннотаций (только изображения). * Коко определяет 91 класс, но данные используют только 80 классов. * Паноптические аннотации определяют 200 классов, но используют только 133.

• Дополнительная документация : изучить документы с кодом

• Домашняя страница : http://cocodataset.org/#home

• Исходный код : tfds.object_detection.Coco

• Версии :

  • 1.1.0 (по умолчанию): нет примечаний к выпуску.

• Автоматическое кэширование ( документация ): Нет

• Ключи под наблюдением (см . документ as_supervised ): None

• Цитата :

@article{DBLP:journals/corr/LinMBHPRDZ14,
  author    = {Tsung{-}Yi Lin and
               Michael Maire and
               Serge J. Belongie and
               Lubomir D. Bourdev and
               Ross B. Girshick and
               James Hays and
               Pietro Perona and
               Deva Ramanan and
               Piotr Doll{'{a} }r and
               C. Lawrence Zitnick},
  title     = {Microsoft {COCO:} Common Objects in Context},
  journal   = {CoRR},
  volume    = {abs/1405.0312},
  year      = {2014},
  url       = {http://arxiv.org/abs/1405.0312},
  archivePrefix = {arXiv},
  eprint    = {1405.0312},
  timestamp = {Mon, 13 Aug 2018 16:48:13 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/LinMBHPRDZ14},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

coco/2014 (конфигурация по умолчанию)

• Описание конфигурации : эта версия содержит изображения, ограничивающие рамки и метки для версии 2014 года.

• Размер загрузки : 37.57 GiB

• Размер набора данных : 37.35 GiB

• Сплиты :

Расколоть	Примеры
'test'	40 775
'test2015'	81 434
'train'	82 783
'validation'	40 504

• Структура функции :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
    'image/id': int64,
    'objects': Sequence({
        'area': int64,
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'id': int64,
        'is_crowd': bool,
        'label': ClassLabel(shape=(), dtype=int64, num_classes=80),
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
изображение	Изображение	(Нет, Нет, 3)	uint8
изображение/имя файла	Текст		нить
изображение/идентификатор	Тензор		int64
объекты	Последовательность
объекты/площадь	Тензор		int64
объекты/bbox	BBoxFeature	(4,)	поплавок32
объекты/идентификатор	Тензор		int64
объекты/is_crowd	Тензор		логический
объекты/метка	Метка класса		int64

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

кокос/2017

• Описание конфигурации : эта версия содержит изображения, ограничивающие рамки и метки для версии 2017 года.

• Размер загрузки : 25.20 GiB

• Размер набора данных : 24.98 GiB

• Сплиты :

Расколоть	Примеры
'test'	40 670
'train'	118 287
'validation'	5000

• Структура функции :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
    'image/id': int64,
    'objects': Sequence({
        'area': int64,
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'id': int64,
        'is_crowd': bool,
        'label': ClassLabel(shape=(), dtype=int64, num_classes=80),
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
изображение	Изображение	(Нет, Нет, 3)	uint8
изображение/имя файла	Текст		нить
изображение/идентификатор	Тензор		int64
объекты	Последовательность
объекты/площадь	Тензор		int64
объекты/bbox	BBoxFeature	(4,)	поплавок32
объекты/идентификатор	Тензор		int64
объекты/is_crowd	Тензор		логический
объекты/метка	Метка класса		int64

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

кокос/2017_panoptic

• Описание конфигурации : эта версия содержит изображения, ограничивающие рамки и метки для версии 2017 года.

• Размер загрузки : 19.57 GiB

• Размер набора данных : 19.63 GiB

• Сплиты :

Расколоть	Примеры
'train'	118 287
'validation'	5000

• Структура функции :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
    'image/id': int64,
    'panoptic_image': Image(shape=(None, None, 3), dtype=uint8),
    'panoptic_image/filename': Text(shape=(), dtype=string),
    'panoptic_objects': Sequence({
        'area': int64,
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'id': int64,
        'is_crowd': bool,
        'label': ClassLabel(shape=(), dtype=int64, num_classes=133),
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
изображение	Изображение	(Нет, Нет, 3)	uint8
изображение/имя файла	Текст		нить
изображение/идентификатор	Тензор		int64
panoptic_image	Изображение	(Нет, Нет, 3)	uint8
панорамное_изображение/имя файла	Текст		нить
панорамные_объекты	Последовательность
панорамные_объекты/область	Тензор		int64
панорамные_объекты/bbox	BBoxFeature	(4,)	поплавок32
панорамные_объекты/идентификатор	Тензор		int64
panoptic_objects/is_crowd	Тензор		логический
панорамные_объекты/метка	Метка класса		int64

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):