lvis

• Description :

LVIS : un ensemble de données pour la segmentation d'instances de vocabulaire étendu.

• Documentation supplémentaire : Explorer sur les articles avec le code

• Page d'accueil : https://www.lvisdataset.org/

• Code source : tfds.datasets.lvis.Builder

• Versions :

  • 1.1.0 : Ajout des champs neg_category_ids et not_exhaustive_category_ids .
  • 1.2.0 : Ajout des noms de classes.
  • 1.3.0 (par défaut) : Ajout du fractionnement minival.

• Taille du téléchargement : 25.35 GiB

• Taille de l'ensemble de données : 23.04 GiB

• Mise en cache automatique ( documentation ) : Non

• Divisions :

Diviser	Exemples
'minival'	4 809
'test'	19 822
'train'	100 170
'validation'	19 809

• Structure des fonctionnalités :

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),
    }),
})

• Documentation des fonctionnalités :

Fonctionnalité	Classe	Forme	Type D	Description
	FonctionnalitésDict
image	Image	(Aucun, Aucun, 3)	uint8
image/identifiant	Tenseur		int64
neg_category_ids	Séquence (ClassLabel)	(Aucun,)	int64
not_exhaustive_category_ids	Séquence (ClassLabel)	(Aucun,)	int64
objets	Séquence
objets/zone	Tenseur		int64
objets/bbox	Fonctionnalité BBox	(4,)	flotteur32
objets/identifiant	Tenseur		int64
objets/étiquette	Étiquette de classe		int64
objets/segmentation	Image	(Aucun, Aucun, 1)	uint8

• Clés supervisées (Voir doc as_supervised ) : None

• Figure ( tfds.show_examples ) :

• Exemples ( tfds.as_dataframe ) :

• Citation :

@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}
}