dmlab

• التصور : استكشف في اعرف بياناتك

• الوصف :

تحتوي مجموعة بيانات Dmlab على إطارات لاحظها الوكيل الذي يعمل في بيئة DeepMind Lab ، والتي تم شرحها 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 360x480 في 6 فئات. الفئات هي {قريبة ، بعيدة ، بعيدة جدًا} × {مكافأة إيجابية ، مكافأة سلبية} على التوالي.

• الصفحة الرئيسية : https://github.com/google-research/task_adaptation

• كود المصدر : tfds.image_classification.Dmlab

• إصدارات :

  • 2.0.1 (افتراضي): لا توجد ملاحظات حول الإصدار.

• حجم التحميل : 2.81 GiB

• حجم مجموعة البيانات : 3.13 GiB

• التخزين المؤقت التلقائي ( التوثيق ): لا

• الانقسامات :

انشق، مزق	أمثلة
'test'	22.735
'train'	65550
'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	وصف
	الميزات
اسم الملف	نص		سلسلة
صورة	صورة	(360، 480، 3)	uint8
ضع الكلمة المناسبة	ClassLabel		int64

• المفاتيح الخاضعة للإشراف (راجع المستند as_supervised ): ('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}
                          }