- תיאור :
מסד נתונים זה מיועד לניסויים בזיהוי אובייקטים תלת מימדיים מצורה. הוא מכיל תמונות של 50 צעצועים השייכים ל-5 קטגוריות גנריות: חיות עם ארבע רגליים, דמויות אנושיות, מטוסים, משאיות ומכוניות. האובייקטים צולמו על ידי שתי מצלמות ב-6 תנאי תאורה, 9 גבהים (30 עד 70 מעלות כל 5 מעלות), ו-18 אזימוטים (0 עד 340 כל 20 מעלות).
מערך ההדרכה מורכב מ-5 מקרים מכל קטגוריה (מקרים 4, 6, 7, 8 ו-9), ומערכת המבחנים של 5 המקרים הנותרים (מקרים 0, 1, 2, 3 ו-5).
תיעוד נוסף : חקור על ניירות עם קוד
קוד מקור :
tfds.datasets.smallnorb.Builder
גרסאות :
-
2.0.0
(ברירת מחדל): API חדש מפוצל ( https://tensorflow.org/datasets/splits ) -
2.1.0
: אין הערות שחרור.
-
גודל הורדה :
250.60 MiB
גודל ערכת נתונים :
Unknown size
שמור אוטומטי במטמון ( תיעוד ): לא ידוע
פיצולים :
לְפַצֵל | דוגמאות |
---|---|
'test' | 24,300 |
'train' | 24,300 |
- מבנה תכונה :
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),
})
- תיעוד תכונה :
תכונה | מעמד | צוּרָה | Dtype | תיאור |
---|---|---|---|---|
FeaturesDict | ||||
תמונה | תמונה | (96, 96, 1) | uint8 | |
תמונה 2 | תמונה | (96, 96, 1) | uint8 | |
למשל | ClassLabel | int64 | ||
label_azimuth | ClassLabel | int64 | ||
label_category | ClassLabel | int64 | ||
label_elevation | ClassLabel | int64 | ||
תווית_תאורה | ClassLabel | int64 |
מפתחות בפיקוח (ראה
as_supervised
):('image', 'label_category')
איור ( tfds.show_examples ): לא נתמך.
דוגמאות ( tfds.as_dataframe ):
- ציטוט :
@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}
}