coco_captions

  • বর্ণনা :

COCO হল একটি বড় মাপের অবজেক্ট ডিটেকশন, সেগমেন্টেশন এবং ক্যাপশনিং ডেটাসেট। এই সংস্করণে COCO 2014-এর ছবি, বাউন্ডিং বক্স, লেবেল এবং ক্যাপশন রয়েছে, যা Karpathy and Li (2015) দ্বারা সংজ্ঞায়িত উপসেটে বিভক্ত। এটি কার্যকরভাবে মূল COCO 2014 বৈধতা ডেটাকে নতুন 5000-চিত্রের বৈধতা এবং পরীক্ষা সেটে বিভক্ত করে, এছাড়াও অবশিষ্ট ~30k ছবি সমন্বিত একটি "রেস্টভাল" সেট। সমস্ত বিভক্ত ক্যাপশন টীকা আছে.

বিভক্ত উদাহরণ
'restval' 30,504
'test' 5,000
'train' ৮২,৭৮৩
'val' 5,000
  • বৈশিষ্ট্য গঠন :
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),
    }),
})
  • বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য ক্লাস আকৃতি ডিটাইপ বর্ণনা
ফিচারসডিক্ট
ক্যাপশন ক্রম
ক্যাপশন/আইডি টেনসর int64
ক্যাপশন/টেক্সট টেনসর স্ট্রিং
ইমেজ ছবি (কোনটিই নয়, 3) uint8
ছবি/ফাইলের নাম পাঠ্য স্ট্রিং
ছবি/আইডি টেনসর int64
বস্তু ক্রম
বস্তু/ক্ষেত্র টেনসর int64
বস্তু/bbox বিবক্স ফিচার (৪,) float32
বস্তু/আইডি টেনসর int64
অবজেক্ট/ইজ_ভিড় টেনসর bool
বস্তু/লেবেল ক্লাসলেবেল int64

ভিজ্যুয়ালাইজেশন

  • উদ্ধৃতি :
@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/2014 (ডিফল্ট কনফিগারেশন)