nyu_depth_v2

• Descrição :

O conjunto de dados NYU-Depth V2 é composto por sequências de vídeo de uma variedade de cenas internas gravadas pelas câmeras RGB e Depth do Microsoft Kinect.

• Documentação Adicional : Explore em Papers With Code

• Página inicial : https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html

• Código -fonte: tfds.datasets.nyu_depth_v2.Builder

• Versões :

  • 0.0.1 (padrão): sem notas de versão.

• Tamanho do download : 31.92 GiB

• Tamanho do conjunto de dados : 74.03 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'train'	47.584
'validation'	654

• Estrutura de recursos :

FeaturesDict({
    'depth': Tensor(shape=(480, 640), dtype=float16),
    'image': Image(shape=(480, 640, 3), dtype=uint8),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	RecursosDict
profundidade	tensor	(480, 640)	float16
imagem	Imagem	(480, 640, 3)	uint8

• Chaves supervisionadas (consulte o documento as_supervised ): ('image', 'depth')

• Figura ( tfds.show_examples ):

• Exemplos ( tfds.as_dataframe ):

• Citação :

@inproceedings{Silberman:ECCV12,
  author    = {Nathan Silberman, Derek Hoiem, Pushmeet Kohli and Rob Fergus},
  title     = {Indoor Segmentation and Support Inference from RGBD Images},
  booktitle = {ECCV},
  year      = {2012}
}
@inproceedings{icra_2019_fastdepth,
  author    = {Wofk, Diana and Ma, Fangchang and Yang, Tien-Ju and Karaman, Sertac and Sze, Vivienne},
  title     = {FastDepth: Fast Monocular Depth Estimation on Embedded Systems},
  booktitle = {IEEE International Conference on Robotics and Automation (ICRA)},
  year      = {2019}
}