coco_captions

คำอธิบาย :

COCO คือชุดข้อมูลการตรวจจับวัตถุ การแบ่งส่วน และคำอธิบายภาพขนาดใหญ่ เวอร์ชันนี้ประกอบด้วยรูปภาพ กรอบขอบ ป้ายกำกับ และคำบรรยายจาก COCO 2014 ซึ่งแบ่งออกเป็นชุดย่อยที่กำหนดโดย Karpathy และ Li (2015) การดำเนินการนี้จะแบ่งข้อมูลการตรวจสอบความถูกต้องของ COCO 2014 ดั้งเดิมออกเป็นชุดการตรวจสอบและการทดสอบใหม่จำนวน 5,000 ภาพอย่างมีประสิทธิภาพ บวกกับชุด "restval" ที่ประกอบด้วยภาพที่เหลือประมาณ 30,000 ภาพ การแยกทั้งหมดมีคำอธิบายประกอบ

เอกสารประกอบเพิ่มเติม : สำรวจในเอกสารด้วยรหัส
คำอธิบายการกำหนดค่า : เวอร์ชันนี้ประกอบด้วยรูปภาพ กรอบขอบ และป้ายกำกับสำหรับเวอร์ชัน 2014
หน้าแรก : http://cocodataset.org/#home
ซอร์สโค้ด : tfds.object_detection.CocoCaptions
รุ่น :
- 1.1.0 (ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น
ขนาดการดาวน์โหลด : 37.61 GiB
ขนาดชุดข้อมูล : 18.83 GiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'restval'`	30,504
`'test'`	5,000
`'train'`	82,783
`'val'`	5,000

โครงสร้างคุณสมบัติ :

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),
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
คำบรรยายภาพ	ลำดับ
คำบรรยายภาพ/รหัส	เทนเซอร์		int64
คำบรรยาย/ข้อความ	เทนเซอร์		เชือก
ภาพ	ภาพ	(ไม่มี ไม่มี 3)	uint8
รูปภาพ/ชื่อไฟล์	ข้อความ		เชือก
รูปภาพ/รหัส	เทนเซอร์		int64
วัตถุ	ลำดับ
วัตถุ/พื้นที่	เทนเซอร์		int64
วัตถุ/bbox	คุณสมบัติ BBox	(4,)	ลอย32
วัตถุ/รหัส	เทนเซอร์		int64
วัตถุ/is_crowd	เทนเซอร์		บูล
วัตถุ/ฉลาก	ClassLabel		int64

คีย์ภายใต้การดูแล (ดู as_supervised doc ): None
รูป ( tfds.show_examples ):

การแสดงภาพ

ตัวอย่าง ( tfds.as_dataframe ):

การอ้างอิง :

@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 (การกำหนดค่าเริ่มต้น)