coco_captions

• Descripción :

COCO es un conjunto de datos de detección, segmentación y subtítulos de objetos a gran escala. Esta versión contiene imágenes, cuadros delimitadores, etiquetas y leyendas de COCO 2014, divididos en los subconjuntos definidos por Karpathy y Li (2015). Esto divide efectivamente los datos de validación COCO 2014 originales en nuevos conjuntos de prueba y validación de 5000 imágenes, más un conjunto "restval" que contiene las ~30k imágenes restantes. Todas las divisiones tienen anotaciones de título.

• Documentación adicional : Explorar en artículos con código

• Descripción de la configuración : esta versión contiene imágenes, cuadros delimitadores y etiquetas para la versión 2014.

• Página de inicio : http://cocodataset.org/#home

• Código fuente : tfds.object_detection.CocoCaptions

• Versiones :

  • 1.1.0 (predeterminado): sin notas de la versión.

• Tamaño de descarga : 37.61 GiB

• Tamaño del conjunto de datos : 18.83 GiB

• Almacenamiento en caché automático ( documentación ): No

• Divisiones :

Dividir	Ejemplos
'restval'	30.504
'test'	5.000
'train'	82.783
'val'	5.000

• Estructura de características :

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),
    }),
})

• Documentación de funciones :

Característica	Clase	Forma	tipo D	Descripción
	FuncionesDict
subtítulos	Secuencia
subtítulos/identificación	Tensor		int64
subtítulos/texto	Tensor		cadena
imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
imagen/nombre de archivo	Texto		cadena
imagen/identificación	Tensor		int64
objetos	Secuencia
objetos/área	Tensor		int64
objetos/caja	Característica BBox	(4,)	flotador32
objetos/identificación	Tensor		int64
objetos/is_crowd	Tensor		booleano
objetos/etiqueta	Etiqueta de clase		int64

• Claves supervisadas (ver documento as_supervised ): None

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Citación :

@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 (configuración predeterminada)