- وصف :
تحتوي مجموعة بيانات Dmlab على إطارات لاحظها الوكيل الذي يعمل في بيئة DeepMind Lab، والتي تم توضيحها من خلال المسافة بين الوكيل والكائنات المختلفة الموجودة في البيئة. الهدف هو تقييم قدرة النموذج المرئي على التفكير في المسافات من المدخلات المرئية في البيئات ثلاثية الأبعاد. تتكون مجموعة بيانات Dmlab من صور ملونة مقاس 360 × 480 مقسمة إلى 6 فئات. الفئات هي {قريب، بعيد، بعيد جدًا} × {مكافأة إيجابية، مكافأة سلبية} على التوالي.
الصفحة الرئيسية : https://github.com/google-research/task_adaptation
كود المصدر :
tfds.image_classification.Dmlab
الإصدارات :
-
2.0.1
(افتراضي): لا توجد ملاحظات الإصدار.
-
حجم التحميل :
2.81 GiB
حجم مجموعة البيانات :
3.13 GiB
التخزين المؤقت التلقائي ( الوثائق ): لا
الإنشقاقات :
ينقسم | أمثلة |
---|---|
'test' | 22,735 |
'train' | 65,550 |
'validation' | 22,628 |
- هيكل الميزة :
FeaturesDict({
'filename': Text(shape=(), dtype=string),
'image': Image(shape=(360, 480, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=6),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع D | وصف |
---|---|---|---|---|
المميزاتDict | ||||
اسم الملف | نص | خيط | ||
صورة | صورة | (360، 480، 3) | uint8 | |
ملصق | ClassLabel | int64 |
المفاتيح الخاضعة للإشراف (راجع
as_supervised
doc ):('image', 'label')
الشكل ( tfds.show_examples ):
- أمثلة ( tfds.as_dataframe ):
- الاقتباس :
@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}
}