ню_глубина_v2

• Описание :

Набор данных NYU-Depth V2 состоит из видеопоследовательностей различных внутренних сцен, записанных камерами RGB и Depth от Microsoft Kinect.

• Дополнительная документация : изучить документы с кодом

• Домашняя страница : https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html

• Исходный код : tfds.datasets.nyu_depth_v2.Builder

• Версии :

  • 0.0.1 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : 31.92 GiB

• Размер набора данных : 74.03 GiB

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

Расколоть	Примеры
'train'	47 584
'validation'	654

• Структура функции :

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

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
глубина	Тензор	(480, 640)	поплавок16
изображение	Изображение	(480, 640, 3)	uint8

• Контролируемые ключи (см. as_supervised doc ): ('image', 'depth')

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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}
}