hindistan cevizi

• Tanım :

COCO, büyük ölçekli bir nesne algılama, segmentasyon ve resim yazısı veri kümesidir.

Not: * Eğitim ve doğrulama kümelerindeki bazı görüntülerde ek açıklamalar yoktur. * Coco 2014 ve 2017 aynı görüntüleri kullanıyor ancak farklı eğitim/val/test bölmelerini kullanıyor * Test bölümünde herhangi bir ek açıklama yok (yalnızca resimler). * Coco 91 sınıf tanımlıyor ancak veriler yalnızca 80 sınıf kullanıyor. * Panotptic ek açıklamaları 200 sınıfı tanımlar ancak yalnızca 133'ü kullanır.

• Ek Belgeler : Kodlu Makaleleri Keşfedin

• Ana sayfa : http://cocodataset.org/#home

• Kaynak kodu : tfds.object_detection.Coco

• Sürümler :

  • 1.1.0 (varsayılan): Sürüm notu yok.

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Denetlenen anahtarlar ( as_supervised belgesine bakın): None

• Alıntı :

@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 (varsayılan yapılandırma)

• Yapılandırma açıklaması : Bu sürüm, 2014 sürümü için resimler, sınırlayıcı kutular ve etiketler içerir.

• İndirme boyutu : 37.57 GiB

• Veri kümesi boyutu : 37.35 GiB

• Bölünmeler :

Bölmek	Örnekler
'test'	40.775
'test2015'	81.434
'train'	82.783
'validation'	40.504

• Özellik yapısı :

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),
    }),
})

• Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi	Tanım
	ÖzelliklerDict
resim	Resim	(Yok, Yok, 3)	uint8
resim/dosya adı	Metin		sicim
resim/kimlik	Tensör		int64
nesneler	Sekans
nesneler/alan	Tensör		int64
nesneler/bbox	BBoxÖzelliği	(4,)	kayan nokta32
nesneler/kimlik	Tensör		int64
nesneler/is_crowd	Tensör		bool
nesneler/etiket	SınıfEtiketi		int64

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):

koko/2017

• Yapılandırma açıklaması : Bu sürüm, 2017 sürümü için resimler, sınırlayıcı kutular ve etiketler içerir.

• İndirme boyutu : 25.20 GiB

• Veri kümesi boyutu : 24.98 GiB

• Bölünmeler :

Bölmek	Örnekler
'test'	40.670
'train'	118.287
'validation'	5.000

• Özellik yapısı :

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),
    }),
})

• Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi	Tanım
	ÖzelliklerDict
resim	Resim	(Yok, Yok, 3)	uint8
resim/dosya adı	Metin		sicim
resim/kimlik	Tensör		int64
nesneler	Sekans
nesneler/alan	Tensör		int64
nesneler/bbox	BBoxÖzelliği	(4,)	kayan nokta32
nesneler/kimlik	Tensör		int64
nesneler/is_crowd	Tensör		bool
nesneler/etiket	SınıfEtiketi		int64

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):

coco/2017_panoptic

• Yapılandırma açıklaması : Bu sürüm, 2017 sürümü için resimler, sınırlayıcı kutular ve etiketler içerir.

• İndirme boyutu : 19.57 GiB

• Veri kümesi boyutu : 19.63 GiB

• Bölünmeler :

Bölmek	Örnekler
'train'	118.287
'validation'	5.000

• Özellik yapısı :

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),
    }),
})

• Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi	Tanım
	ÖzelliklerDict
resim	Resim	(Yok, Yok, 3)	uint8
resim/dosya adı	Metin		sicim
resim/kimlik	Tensör		int64
panoptic_image	Resim	(Yok, Yok, 3)	uint8
panoptic_image/dosyaadı	Metin		sicim
panoptic_objects	Sekans
panoptic_objects/alan	Tensör		int64
panoptic_objects/bbox	BBoxÖzelliği	(4,)	kayan nokta32
panoptic_objects/id	Tensör		int64
panoptic_objects/is_crowd	Tensör		bool
panoptic_objects/etiket	SınıfEtiketi		int64

• Şekil ( tfds.show_examples ): Desteklenmiyor.

• Örnekler ( tfds.as_dataframe ):