smallnorb

  • Keterangan :

Database ini ditujukan untuk percobaan pengenalan objek 3D dari bentuk. Ini berisi gambar 50 mainan yang termasuk dalam 5 kategori umum: hewan berkaki empat, figur manusia, pesawat terbang, truk, dan mobil. Objek dicitrakan oleh dua kamera dalam 6 kondisi pencahayaan, 9 ketinggian (30 hingga 70 derajat setiap 5 derajat), dan 18 azimuth (0 hingga 340 setiap 20 derajat).

Set pelatihan terdiri dari 5 instance dari setiap kategori (instance 4, 6, 7, 8, dan 9), dan set pengujian terdiri dari 5 instance sisanya (instance 0, 1, 2, 3, dan 5).

Membelah Contoh
'test' 24.300
'train' 24.300
  • Struktur fitur :
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),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Tipe D Keterangan
FiturDict
gambar Gambar (96, 96, 1) uint8
gambar2 Gambar (96, 96, 1) uint8
contoh Label Kelas int64
label_azimut Label Kelas int64
label_kategori Label Kelas int64
label_elevasi Label Kelas int64
label_lighting Label Kelas int64
  • Kutipan :
@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}
}