div2k

• Keterangan :

Kumpulan data DIV2K: Gambar berkualitas tinggi beresolusi 2K DIVerse seperti yang digunakan untuk tantangan @ NTIRE (CVPR 2017 dan CVPR 2018) dan @ PIRM (ECCV 2018)

• Dokumentasi Tambahan : Jelajahi Makalah Dengan Kode

• Beranda : https://data.vision.ee.ethz.ch/cvl/DIV2K/

• Kode sumber : tfds.datasets.div2k.Builder

• Versi :

  • 2.0.0 (default): Tidak ada catatan rilis.

• Cache otomatis ( dokumentasi ): Tidak

• Struktur fitur :

FeaturesDict({
    'hr': Image(shape=(None, None, 3), dtype=uint8),
    'lr': Image(shape=(None, None, 3), dtype=uint8),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
jam	Gambar	(Tidak ada, Tidak ada, 3)	uint8
lr	Gambar	(Tidak ada, Tidak ada, 3)	uint8

• Kunci yang diawasi (Lihat dokumen as_supervised ): ('lr', 'hr')

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@InProceedings{Agustsson_2017_CVPR_Workshops,
    author = {Agustsson, Eirikur and Timofte, Radu},
    title = {NTIRE 2017 Challenge on Single Image Super-Resolution: Dataset and Study},
    booktitle = {The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops},
    url = "http://www.vision.ee.ethz.ch/~timofter/publications/Agustsson-CVPRW-2017.pdf",
    month = {July},
    year = {2017}
}

div2k/bicubic_x2 (konfigurasi default)

• Deskripsi konfigurasi : Menggunakan data bicubic_x2.

• Ukuran unduhan : 4.68 GiB

• Ukuran kumpulan data : 4.68 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/bicubic_x3

• Deskripsi konfigurasi : Menggunakan data bicubic_x3.

• Ukuran unduhan : 4.16 GiB

• Ukuran kumpulan data : 4.16 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/bicubic_x4

• Deskripsi konfigurasi : Menggunakan data bicubic_x4.

• Ukuran unduhan : 3.97 GiB

• Ukuran kumpulan data : 3.97 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/bicubic_x8

• Deskripsi konfigurasi : Menggunakan data bicubic_x8.

• Ukuran unduhan : 3.78 GiB

• Ukuran kumpulan data : 3.78 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/tidak diketahui_x2

• Deskripsi konfigurasi : Menggunakan data unknown_x2.

• Ukuran unduhan : 4.48 GiB

• Ukuran kumpulan data : 4.48 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/tidak diketahui_x3

• Deskripsi konfigurasi : Menggunakan data unknown_x3.

• Ukuran unduhan : 4.10 GiB

• Ukuran kumpulan data : 4.11 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/tidak diketahui_x4

• Deskripsi konfigurasi : Menggunakan data unknown_x4.

• Ukuran unduhan : 3.93 GiB

• Ukuran kumpulan data : 3.93 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/realistic_mild_x4

• Deskripsi konfigurasi : Menggunakan data realistik_mild_x4.

• Ukuran unduhan : 4.00 GiB

• Ukuran kumpulan data : 4.00 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/realistic_difficult_x4

• Deskripsi konfigurasi : Menggunakan data realistik_difficult_x4.

• Ukuran unduhan : 3.98 GiB

• Ukuran kumpulan data : 3.99 GiB

• Perpecahan :

Membelah	Contoh
'train'	800
'validation'	100

• Contoh ( tfds.as_dataframe ):

div2k/realistic_wild_x4

• Deskripsi konfigurasi : Menggunakan data realistik_wild_x4.

• Ukuran unduhan : 4.74 GiB

• Ukuran kumpulan data : 14.62 GiB

• Perpecahan :

Membelah	Contoh
'train'	3.200
'validation'	100

• Contoh ( tfds.as_dataframe ):