laboratorio

• Descripción :

El conjunto de datos de Dmlab contiene fotogramas observados por el agente que actúa en el entorno de DeepMind Lab, que están anotados por la distancia entre el agente y varios objetos presentes en el entorno. El objetivo es evaluar la capacidad de un modelo visual para razonar sobre distancias desde la entrada visual en entornos 3D. El conjunto de datos de Dmlab consta de imágenes en color de 360x480 en 6 clases. Las clases son {cerca, lejos, muy lejos} x {recompensa positiva, recompensa negativa} respectivamente.

• Página de inicio : https://github.com/google-research/task_adaptation

• Código fuente : tfds.image_classification.Dmlab

• Versiones :

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

• Tamaño de descarga : 2.81 GiB

• Tamaño del conjunto de datos : 3.13 GiB

• Almacenamiento en caché automático ( documentación ): No

• Divisiones :

Dividir	Ejemplos
'test'	22.735
'train'	65.550
'validation'	22.628

• Estructura de características :

FeaturesDict({
    'filename': Text(shape=(), dtype=string),
    'image': Image(shape=(360, 480, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=6),
})

• Documentación de funciones :

Característica	Clase	Forma	tipo D	Descripción
	FuncionesDict
Nombre del archivo	Texto		cadena
imagen	Imagen	(360, 480, 3)	uint8
etiqueta	Etiqueta de clase		int64

• Claves supervisadas (Ver documento as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Citación :

@article{zhai2019visual,
        title={The Visual Task Adaptation Benchmark},
        author={Xiaohua Zhai and Joan Puigcerver and Alexander Kolesnikov and
               Pierre Ruyssen and Carlos Riquelme and Mario Lucic and
               Josip Djolonga and Andre Susano Pinto and Maxim Neumann and
               Alexey Dosovitskiy and Lucas Beyer and Olivier Bachem and
               Michael Tschannen and Marcin Michalski and Olivier Bousquet and
               Sylvain Gelly and Neil Houlsby},
                              year={2019},
                              eprint={1910.04867},
                              archivePrefix={arXiv},
                              primaryClass={cs.CV},
                              url = {https://arxiv.org/abs/1910.04867}
                          }