coco_captions

Descrição :

COCO é um conjunto de dados de detecção, segmentação e legenda de objetos em grande escala. Esta versão contém imagens, caixas delimitadoras, rótulos e legendas do COCO 2014, divididos nos subconjuntos definidos por Karpathy e Li (2015). Isso efetivamente divide os dados de validação originais do COCO 2014 em novos conjuntos de validação e teste de 5.000 imagens, além de um conjunto "restval" contendo as aproximadamente 30 mil imagens restantes. Todas as divisões possuem anotações de legenda.

Documentação adicional : Explore artigos com código
Descrição da configuração : esta versão contém imagens, caixas delimitadoras e rótulos para a versão 2014.
Página inicial : http://cocodataset.org/#home
Código fonte : tfds.object_detection.CocoCaptions
Versões :
- 1.1.0 (padrão): Sem notas de versão.
Tamanho do download : 37.61 GiB
Tamanho do conjunto de dados : 18.83 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'restval'`	30.504
`'test'`	5.000
`'train'`	82.783
`'val'`	5.000

Estrutura de recursos :

FeaturesDict({
    'captions': Sequence({
        'id': int64,
        'text': string,
    }),
    '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),
    }),
})

Documentação de recursos :

Recurso	Aula	Forma	Tipo D
	RecursosDict
legendas	Seqüência
legendas/id	Tensor		int64
legendas/texto	Tensor		corda
imagem	Imagem	(Nenhum, Nenhum, 3)	uint8
imagem/nome do arquivo	Texto		corda
imagem/id	Tensor		int64
objetos	Seqüência
objetos/área	Tensor		int64
objetos/bbox	BBoxFeature	(4,)	float32
objetos/id	Tensor		int64
objetos/is_crowd	Tensor		bool
objetos/rótulo	ClassLabel		int64

Chaves supervisionadas (consulte o documento as_supervised ): None
Figura ( tfds.show_examples ):

Visualização

Exemplos ( tfds.as_dataframe ):

Citação :

@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}
}@inproceedings{DBLP:conf/cvpr/KarpathyL15,
  author    = {Andrej Karpathy and
               Fei{-}Fei Li},
  title     = {Deep visual-semantic alignments for generating image
               descriptions},
  booktitle = { {IEEE} Conference on Computer Vision and Pattern Recognition,
               {CVPR} 2015, Boston, MA, USA, June 7-12, 2015},
  pages     = {3128--3137},
  publisher = { {IEEE} Computer Society},
  year      = {2015},
  url       = {https://doi.org/10.1109/CVPR.2015.7298932},
  doi       = {10.1109/CVPR.2015.7298932},
  timestamp = {Wed, 16 Oct 2019 14:14:50 +0200},
  biburl    = {https://dblp.org/rec/conf/cvpr/KarpathyL15.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

coco_captions

coco_captions/2014 (configuração padrão)