lvis

• Descrizione :

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

• Documentazione aggiuntiva : esplora documenti con codice

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

• Codice sorgente : tfds.datasets.lvis.Builder

• Versioni :

  • 1.1.0 : Aggiunti campi neg_category_ids e not_exhaustive_category_ids .
  • 1.2.0 : Aggiunti nomi di classi.
  • 1.3.0 (predefinito): aggiunta divisione minima.

• Dimensione download : 25.35 GiB

• Dimensione del set di dati : 23.04 GiB

• Memorizzazione nella cache automatica ( documentazione ): No

• Divide :

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(ClassLabel)	(Nessuno,)	int64
non_esaustivo_categoria_id	Sequenza(ClassLabel)	(Nessuno,)	int64
oggetti	Sequenza
oggetti/area	Tensore		int64
oggetti/bbox	Funzione BBox	(4,)	float32
oggetti/id	Tensore		int64
oggetti/etichetta	ClassLabel		int64
oggetti/segmentazione	Immagine	(Nessuno, Nessuno, 1)	uint8

• Chiavi supervisionate (vedi il documento as_supervised ): None

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• 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}
}