- คำอธิบาย :
ชุดข้อมูล Dmlab ประกอบด้วยเฟรมที่ตรวจพบโดยเอเจนต์ที่ทำงานในสภาพแวดล้อม DeepMind Lab ซึ่งมีคำอธิบายประกอบโดยระยะห่างระหว่างเอเจนต์และอ็อบเจ็กต์ต่างๆ ที่มีอยู่ในสภาพแวดล้อม เป้าหมายคือเพื่อประเมินความสามารถของแบบจำลองภาพในการให้เหตุผลเกี่ยวกับระยะห่างจากอินพุตภาพในสภาพแวดล้อม 3 มิติ ชุดข้อมูล Dmlab ประกอบด้วยรูปภาพสีขนาด 360x480 ใน 6 คลาส คลาสคือ {ใกล้, ไกล, ไกลมาก} x {รางวัลเชิงบวก, รางวัลเชิงลบ} ตามลำดับ
หน้าแรก : https://github.com/google-research/task_adaptation
ซอร์สโค้ด :
tfds.image_classification.Dmlab
รุ่น :
-
2.0.1
(ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น
-
ขนาดดาวน์โหลด :
2.81 GiB
ขนาดชุดข้อมูล :
3.13 GiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :
แยก | ตัวอย่าง |
---|---|
'test' | 22,735 |
'train' | 65,550 |
'validation' | 22,628 |
- โครงสร้างคุณสมบัติ :
FeaturesDict({
'filename': Text(shape=(), dtype=string),
'image': Image(shape=(360, 480, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=6),
})
- เอกสารคุณสมบัติ :
คุณสมบัติ | ระดับ | รูปร่าง | ประเภทD | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
ชื่อไฟล์ | ข้อความ | เชือก | ||
ภาพ | ภาพ | (360, 480, 3) | uint8 | |
ฉลาก | ClassLabel | int64 |
คีย์ภายใต้การดูแล (ดู
as_supervised
doc ):('image', 'label')
รูป ( tfds.show_examples ):
- ตัวอย่าง ( tfds.as_dataframe ):
- การอ้างอิง :
@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}
}