- Keterangan :
LVIS: Kumpulan data untuk segmentasi contoh kosakata besar.
Dokumentasi Tambahan : Jelajahi Makalah Dengan Kode
Beranda : https://www.lvisdataset.org/
Kode sumber :
tfds.datasets.lvis.Builder
Versi :
-
1.1.0
: Menambahkan bidangneg_category_ids
dannot_exhaustive_category_ids
. -
1.2.0
: Menambahkan nama kelas. -
1.3.0
(default): Menambahkan pemisahan minival.
-
Ukuran unduhan :
25.35 GiB
Ukuran kumpulan data :
23.04 GiB
Cache otomatis ( dokumentasi ): Tidak
Perpecahan :
Membelah | Contoh |
---|---|
'minival' | 4.809 |
'test' | 19.822 |
'train' | 100.170 |
'validation' | 19.809 |
- Struktur fitur :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'image/id': int64,
'neg_category_ids': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=1203)),
'not_exhaustive_category_ids': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=1203)),
'objects': Sequence({
'area': int64,
'bbox': BBoxFeature(shape=(4,), dtype=float32),
'id': int64,
'label': ClassLabel(shape=(), dtype=int64, num_classes=1203),
'segmentation': Image(shape=(None, None, 1), dtype=uint8),
}),
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Tipe D | Keterangan |
---|---|---|---|---|
FiturDict | ||||
gambar | Gambar | (Tidak ada, Tidak ada, 3) | uint8 | |
gambar/id | Tensor | int64 | ||
neg_category_ids | Urutan (Label Kelas) | (Tidak ada,) | int64 | |
not_exhaustive_category_ids | Urutan (Label Kelas) | (Tidak ada,) | int64 | |
objek | Urutan | |||
benda/daerah | Tensor | int64 | ||
objek/bbox | Fitur BBox | (4,) | float32 | |
objek/id | Tensor | int64 | ||
benda/label | Label Kelas | int64 | ||
objek/segmentasi | Gambar | (Tidak ada, Tidak ada, 1) | uint8 |
Kunci yang diawasi (Lihat dokumen
as_supervised
):None
Gambar ( tfds.show_examples ):
- Contoh ( tfds.as_dataframe ):
- Kutipan :
@inproceedings{gupta2019lvis,
title={ {LVIS}: A Dataset for Large Vocabulary Instance Segmentation},
author={Gupta, Agrim and Dollar, Piotr and Girshick, Ross},
booktitle={Proceedings of the {IEEE} Conference on Computer Vision and Pattern Recognition},
year={2019}
}