div2k

• شرح :

مجموعه داده DIV2K: تصاویر با کیفیت بالا با وضوح 2K متنوع که برای چالش ها استفاده می شود @ NTIRE (CVPR 2017 و CVPR 2018) و @ PIRM (ECCV 2018)

• اسناد اضافی : کاوش در کاغذها با کد

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

• کد منبع : tfds.datasets.div2k.Builder

• نسخه ها :

  • 2.0.0 (پیش‌فرض): هیچ یادداشت انتشار وجود ندارد.

• ذخیره خودکار ( اسناد ): خیر

• ساختار ویژگی :

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

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
ساعت	تصویر	(هیچ، هیچ، 3)	uint8
lr	تصویر	(هیچ، هیچ، 3)	uint8

• کلیدهای نظارت شده (نگاه کنید به as_supervised doc ): ('lr', 'hr')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@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 (پیکربندی پیش‌فرض)

• توضیحات پیکربندی : از داده‌های bicubic_x2 استفاده می‌کند.

• حجم دانلود : 4.68 GiB

• حجم مجموعه داده : 4.68 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/bicubic_x3

• توضیحات پیکربندی : از داده‌های bicubic_x3 استفاده می‌کند.

• حجم دانلود : 4.16 GiB

• حجم مجموعه داده : 4.16 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/bicubic_x4

• توضیحات پیکربندی : از داده‌های bicubic_x4 استفاده می‌کند.

• حجم دانلود : 3.97 GiB

• حجم مجموعه داده : 3.97 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/bicubic_x8

• توضیحات پیکربندی : از داده‌های bicubic_x8 استفاده می‌کند.

• حجم دانلود : 3.78 GiB

• حجم مجموعه داده : 3.78 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/unknown_x2

• توضیحات پیکربندی : از داده های unknown_x2 استفاده می کند.

• حجم دانلود : 4.48 GiB

• حجم مجموعه داده : 4.48 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/unknown_x3

• توضیحات پیکربندی : از داده های unknown_x3 استفاده می کند.

• حجم دانلود : 4.10 GiB

• حجم مجموعه داده : 4.11 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/unknown_x4

• توضیحات پیکربندی : از داده های unknown_x4 استفاده می کند.

• حجم دانلود : 3.93 GiB

• حجم مجموعه داده : 3.93 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/realistic_mild_x4

• توضیحات پیکربندی : از داده realistic_mild_x4 استفاده می کند.

• حجم دانلود : 4.00 GiB

• حجم مجموعه داده : 4.00 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/realistic_difficult_x4

• توضیحات پیکربندی : از داده های realistic_difficult_x4 استفاده می کند.

• حجم دانلود : 3.98 GiB

• حجم مجموعه داده : 3.99 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	800
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):

div2k/realistic_wild_x4

• توضیحات پیکربندی : از داده های realistic_wild_x4 استفاده می کند.

• حجم دانلود : 4.74 GiB

• حجم مجموعه داده : 14.62 GiB

• تقسیم ها :

شکاف	مثال ها
'train'	3200
'validation'	100

• مثال‌ها ( tfds.as_dataframe ):