лвис

  • Описание :

LVIS: набор данных для сегментации экземпляров большого словаря.

  • Дополнительная документация : изучите статьи с кодом

  • Домашняя страница : https://www.lvisdataset.org/

  • Исходный код : tfds.datasets.lvis.Builder

  • Версии :

    • 1.1.0 : Добавлены поля neg_category_ids и not_exhaustive_category_ids .
    • 1.2.0 : Добавлены имена классов.
    • 1.3.0 : Добавлено мини-разделение.
    • 1.4.0 (по умолчанию) : Добавлены маски сегментации для минимизированного разделения.

  • Размер загрузки : 25.38 GiB

  • Размер набора данных : 23.06 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Разделы :

Расколоть Примеры
'minival' 4,809
'test' 19,822
'train' 100,170
'validation' 19,809
  • Структура объекта : 
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),
    }),
})
  • Документация по функциям :
Особенность Сорт Форма Dtype Описание
FeaturesDict
изображение Изображение (Нет, Нет, 3) uint8
изображение/идентификатор Тензор int64
neg_category_ids Последовательность(ClassLabel) (Никто,) int64
неисчерпывающие_идентификаторы_категорий Последовательность(ClassLabel) (Никто,) int64
объекты Последовательность
объекты/область Тензор int64
объекты/bbox BBoxFeature (4,) float32
объекты/идентификаторы Тензор int64
объекты/метка ClassLabel int64
объекты/сегментация Изображение (Нет, Нет, 1) uint8

Визуализация

  • Цитата : 
@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}
}