Görselleştirme : Verilerinizi keşfedin
Açıklama :
Dmlab veri seti, aracı ile ortamda bulunan çeşitli nesneler arasındaki mesafe ile açıklamalı olarak DeepMind Lab ortamında hareket eden aracı tarafından gözlemlenen çerçeveleri içerir. Amaç, görsel bir modelin 3B ortamlardaki görsel girdiden uzaklıklar hakkında akıl yürütme yeteneğini değerlendirmektir. Dmlab veri seti 6 sınıfta 360x480 renkli görüntülerden oluşmaktadır. Sınıflar sırasıyla {yakın, uzak, çok uzak} x {pozitif ödül, negatif ödül} şeklindedir.
Ana sayfa : https://github.com/google-research/task_adaptation
Kaynak kodu :
tfds.image_classification.Dmlab
sürümler :
-
2.0.1
(varsayılan): Sürüm notu yok.
-
İndirme boyutu :
2.81 GiB
Veri kümesi boyutu :
3.13 GiB
Otomatik önbelleğe alınmış ( belgeleme ): Hayır
bölmeler :
Bölmek | örnekler |
---|---|
'test' | 22.735 |
'train' | 65.550 |
'validation' | 22.628 |
- Özellik yapısı :
FeaturesDict({
'filename': Text(shape=(), dtype=string),
'image': Image(shape=(360, 480, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=6),
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtipi | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
dosya adı | Metin | sicim | ||
görüntü | resim | (360, 480, 3) | uint8 | |
etiket | SınıfEtiketi | int64 |
Denetlenen anahtarlar (Bkz
as_supervised
doc ):('image', 'label')
Şekil ( tfds.show_examples ):
- Örnekler ( tfds.as_dataframe ):
- Alıntı :
@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}
}