lvis

  • Descrizione :

LVIS: un set di dati per la segmentazione di istanze di vocabolario di grandi dimensioni.

  • Documentazione aggiuntiva : Esplora su Papers With Code

  • Pagina iniziale : https://www.lvisdataset.org/

  • Codice sorgente : tfds.datasets.lvis.Builder

  • Versioni :

    • 1.1.0 : Aggiunti i campi neg_category_ids e not_exhaustive_category_ids .
    • 1.2.0 : Aggiunti nomi di classe.
    • 1.3.0 : Aggiunta divisione minival.
    • 1.4.0 (predefinito) : aggiunte maschere di segmentazione alla suddivisione minival.

  • Dimensione download : 25.38 GiB

  • Dimensione del set di dati : 23.06 GiB

  • Memorizzato automaticamente nella cache ( documentazione ): No

  • Divisioni :

Diviso Esempi
'minival' 4.809
'test' 19.822
'train' 100.170
'validation' 19.809
  • Struttura delle caratteristiche : 
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),
    }),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
immagine Immagine (Nessuno, Nessuno, 3) uint8
immagine/id Tensore int64
neg_category_ids Sequenza (Classe Etichetta) (Nessuno,) int64
ID_categoria_non_esaustivi Sequenza (Classe Etichetta) (Nessuno,) int64
oggetti Sequenza
oggetti/area Tensore int64
oggetti/bbox BBoxFeature (4,) galleggiante32
oggetti/id Tensore int64
oggetti/etichetta Etichetta di classe int64
oggetti/segmentazione Immagine (Nessuno, Nessuno, 1) uint8

Visualizzazione

  • Citazione : 
@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}
}