лвис

• Описание :

LVIS: набор данных для сегментации экземпляров большого словарного запаса.

• 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 (по умолчанию): Добавлено минимальное разделение.

• Размер загрузки : 25.35 GiB

• Размер набора данных : 23.04 GiB

• Автокэширование ( документация ): Нет

• Расколы :

Расколоть	Примеры
'minival'	4809
'test'	19 822
'train'	100 170
'validation'	19 809

• Структура функции :

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),
    }),
})

• Функциональная документация :

Особенность	Сорт	Форма	Дтип	Описание
	ВозможностиDict
изображение	Изображение	(Нет, Нет, 3)	uint8
изображение/идентификатор	Тензор		int64
neg_category_ids	Последовательность (метка класса)	(Никто,)	int64
not_exhaustive_category_ids	Последовательность (метка класса)	(Никто,)	int64
объекты	Последовательность
объекты/площадь	Тензор		int64
объекты/bbox	BBoxFeature	(4,)	поплавок32
объекты/идентификатор	Тензор		int64
объекты/метка	Класслейбл		int64
объекты/сегментация	Изображение	(Нет, Нет, 1)	uint8

• Контролируемые ключи (см. документ as_supervised ): None

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• 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}
}