dmlab

• Keterangan :

Kumpulan data Dmlab berisi bingkai yang diamati oleh agen yang bertindak di lingkungan DeepMind Lab, yang dianotasi dengan jarak antara agen dan berbagai objek yang ada di lingkungan tersebut. Tujuannya adalah untuk mengevaluasi kemampuan model visual dalam mempertimbangkan jarak dari masukan visual dalam lingkungan 3D. Dataset Dmlab terdiri dari gambar berwarna berukuran 360x480 dalam 6 kelas. Kelas-kelasnya masing-masing adalah {dekat, jauh, sangat jauh} x {hadiah positif, hadiah negatif}.

• Beranda : https://github.com/google-research/task_adaptation

• Kode sumber : tfds.image_classification.Dmlab

• Versi :

  • 2.0.1 (default): Tidak ada catatan rilis.

• Ukuran unduhan : 2.81 GiB

• Ukuran kumpulan data : 3.13 GiB

• Cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'test'	22.735
'train'	65.550
'validation'	22.628

• Struktur fitur :

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

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
nama file	Teks		rangkaian
gambar	Gambar	(360, 480, 3)	uint8
label	Label Kelas		int64

• Kunci yang diawasi (Lihat dokumen as_supervised ): ('image', 'label')

• Gambar ( tfds.show_examples ):

• Contoh ( tfds.as_dataframe ):

• Kutipan :

@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}
                          }