- 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 ):