- Tanım :
LVIS: Büyük sözlük örneği segmentasyonu için bir veri seti.
Ek Belgeler : Kodlu Belgelerde Keşfedin
Ana sayfa : https://www.lvisdataset.org/
Kaynak kodu :
tfds.datasets.lvis.Builder
Sürümler :
-
1.1.0
:neg_category_ids
venot_exhaustive_category_ids
alanları eklendi. -
1.2.0
: Sınıf adları eklendi. -
1.3.0
: Minival bölme eklendi. -
1.4.0
(varsayılan) : Minival bölmeye segmentasyon maskeleri eklendi.
-
İndirme boyutu :
25.38 GiB
Veri kümesi boyutu :
23.06 GiB
Otomatik önbelleğe alma ( dokümantasyon ): Hayır
Bölmeler :
Bölmek | Örnekler |
---|---|
'minival' | 4.809 |
'test' | 19.822 |
'train' | 100.170 |
'validation' | 19.809 |
- Özellik yapısı :
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),
}),
})
- Özellik dokümantasyonu :
Özellik | Sınıf | Şekil | Veri türü | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
görüntü | Görüntü | (Hiçbiri, Hiçbiri, 3) | uint8 | |
resim/kimlik | Tensör | int64 | ||
neg_kategori_kimlikleri | Sıra(SınıfEtiketi) | (Hiçbiri,) | int64 | |
kapsamlı_değil_kategori_kimlikleri | Sıra(SınıfEtiketi) | (Hiçbiri,) | int64 | |
nesneler | Sekans | |||
nesneler/alan | Tensör | int64 | ||
nesneler/bbox | BBoxÖzelliği | (4,) | float32 | |
nesneler/kimlik | Tensör | int64 | ||
nesneler/etiket | SınıfEtiketi | int64 | ||
nesneler/bölümlendirme | Görüntü | (Hiçbiri, Hiçbiri, 1) | uint8 |
Gözetimli anahtarlar (Bkz.
as_supervised
doc ):None
Şekil ( tfds.show_examples ):
- Örnekler ( tfds.as_dataframe ):
- Alıntı :
@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}
}