pequeñonorb

  • Descripción :

Esta base de datos está destinada a experimentos de reconocimiento de objetos 3D a partir de su forma. Contiene imágenes de 50 juguetes pertenecientes a 5 categorías genéricas: animales de cuatro patas, figuras humanas, aviones, camiones y coches. Los objetos fueron fotografiados por dos cámaras bajo 6 condiciones de iluminación, 9 elevaciones (30 a 70 grados cada 5 grados) y 18 acimutes (0 a 340 cada 20 grados).

El conjunto de entrenamiento se compone de 5 instancias de cada categoría (instancias 4, 6, 7, 8 y 9) y el conjunto de prueba de las 5 instancias restantes (instancias 0, 1, 2, 3 y 5).

Dividir Ejemplos
'test' 24.300
'train' 24.300
  • Estructura de características :
FeaturesDict({
    'image': Image(shape=(96, 96, 1), dtype=uint8),
    'image2': Image(shape=(96, 96, 1), dtype=uint8),
    'instance': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'label_azimuth': ClassLabel(shape=(), dtype=int64, num_classes=18),
    'label_category': ClassLabel(shape=(), dtype=int64, num_classes=5),
    'label_elevation': ClassLabel(shape=(), dtype=int64, num_classes=9),
    'label_lighting': ClassLabel(shape=(), dtype=int64, num_classes=6),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
imagen Imagen (96, 96, 1) uint8
imagen2 Imagen (96, 96, 1) uint8
instancia Etiqueta de clase int64
etiqueta_azimut Etiqueta de clase int64
categoría_etiqueta Etiqueta de clase int64
elevación_etiqueta Etiqueta de clase int64
etiqueta_iluminación Etiqueta de clase int64
  • Citación :
@article{LeCun2004LearningMF,
  title={Learning methods for generic object recognition with invariance to pose and lighting},
  author={Yann LeCun and Fu Jie Huang and L{\'e}on Bottou},
  journal={Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition},
  year={2004},
  volume={2},
  pages={II-104 Vol.2}
}