dsprites

• Descripción :

dSprites es un conjunto de datos de formas 2D generadas procedimentalmente a partir de 6 factores latentes independientes de la verdad fundamental. Estos factores son el color , la forma , la escala , la rotación y las posiciones xey de un sprite.

Todas las combinaciones posibles de estos latentes están presentes exactamente una vez, generando N = 737280 imágenes en total.

Valores de factores latentes

• Color blanco
• Forma: cuadrado, elipse, corazón
• Escala: 6 valores espaciados linealmente en [0,5, 1]
• Orientación: 40 valores en [0, 2 pi]
• Posición X: 32 valores en [0, 1]
• Posición Y: 32 valores en [0, 1]

Variamos una latente a la vez (comenzando desde la Posición Y, luego la Posición X, etc.) y almacenamos secuencialmente las imágenes en un orden fijo. Por lo tanto, el orden a lo largo de la primera dimensión es fijo y le permite mapear el valor de las latentes correspondientes a esa imagen.

Elegimos los valores latentes deliberadamente para tener los cambios de paso más pequeños y al mismo tiempo asegurarnos de que todas las salidas de píxeles fueran diferentes. No se agregó ningún ruido.

• Documentación adicional : Explorar en artículos con código

• Página de inicio : https://github.com/deepmind/dsprites-dataset

• Código fuente : tfds.datasets.dsprites.Builder

• Versiones :

  • 2.0.0 (predeterminado): Nueva API dividida ( https://tensorflow.org/datasets/splits )
  • 2.1.0 : Sin notas de versión.

• Tamaño de descarga : 26.73 MiB

• Tamaño del conjunto de datos : Unknown size

• Almacenamiento en caché automático ( documentación ): Desconocido

• Divisiones :

Dividir	Ejemplos
'train'	737.280

• Estructura de características :

FeaturesDict({
    'image': Image(shape=(64, 64, 1), dtype=uint8),
    'label_orientation': ClassLabel(shape=(), dtype=int64, num_classes=40),
    'label_scale': ClassLabel(shape=(), dtype=int64, num_classes=6),
    'label_shape': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'label_x_position': ClassLabel(shape=(), dtype=int64, num_classes=32),
    'label_y_position': ClassLabel(shape=(), dtype=int64, num_classes=32),
    'value_orientation': float32,
    'value_scale': float32,
    'value_shape': float32,
    'value_x_position': float32,
    'value_y_position': float32,
})

• Documentación de funciones :

Característica	Clase	Forma	tipo D	Descripción
	FuncionesDict
imagen	Imagen	(64, 64, 1)	uint8
orientación_etiqueta	Etiqueta de clase		int64
escala_etiqueta	Etiqueta de clase		int64
forma_etiqueta	Etiqueta de clase		int64
etiqueta_x_posicion	Etiqueta de clase		int64
etiqueta_y_posicion	Etiqueta de clase		int64
orientación de valores	Tensor		flotador32
escala_valor	Tensor		flotador32
valor_forma	Tensor		flotador32
valor_x_posicion	Tensor		flotador32
valor_y_posicion	Tensor		flotador32

• Claves supervisadas (ver documento as_supervised ): None

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Citación :

@misc{dsprites17,
author = {Loic Matthey and Irina Higgins and Demis Hassabis and Alexander Lerchner},
title = {dSprites: Disentanglement testing Sprites dataset},
howpublished= {https://github.com/deepmind/dsprites-dataset/},
year = "2017",
}