smallnorb

• ভিজ্যুয়ালাইজেশন : আপনার ডেটা জানুন

• বর্ণনা :

এই ডাটাবেসটি আকৃতি থেকে 3D অবজেক্ট শনাক্তকরণে পরীক্ষার জন্য তৈরি করা হয়েছে। এটিতে 50টি সাধারণ বিভাগের অন্তর্গত 50টি খেলনার ছবি রয়েছে: চার পায়ের প্রাণী, মানুষের মূর্তি, বিমান, ট্রাক এবং গাড়ি৷ বস্তু দুটি ক্যামেরা দ্বারা 6টি আলোর অবস্থা, 9টি উচ্চতা (30 থেকে 70 ডিগ্রী প্রতি 5 ডিগ্রীতে), এবং 18টি আজিমুথ (0 থেকে 340 প্রতি 20 ডিগ্রীতে) দ্বারা চিত্রিত হয়েছিল।

প্রশিক্ষণ সেটটি প্রতিটি বিভাগের 5টি দৃষ্টান্ত (উদাহরণ 4, 6, 7, 8 এবং 9) এবং অবশিষ্ট 5টি দৃষ্টান্তের (0, 1, 2, 3, এবং 5 দৃষ্টান্ত) পরীক্ষার সেট নিয়ে গঠিত।

• অতিরিক্ত ডকুমেন্টেশন : কোড সহ কাগজপত্রে অন্বেষণ করুন

• হোমপেজ : https://cs.nyu.edu/~ylclab/data/norb-v1.0-small/

• সোর্স কোড : tfds.datasets.smallnorb.Builder

• সংস্করণ :

  • 2.0.0 (ডিফল্ট): নতুন স্প্লিট API ( https://tensorflow.org/datasets/splits )
  • 2.1.0 : কোনো রিলিজ নোট নেই।

• ডাউনলোডের আকার : 250.60 MiB

• ডেটাসেটের আকার : Unknown size

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): অজানা

• বিভাজন :

বিভক্ত	উদাহরণ
'test'	24,300
'train'	24,300

• বৈশিষ্ট্য গঠন :

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),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
ইমেজ	ছবি	(৯৬, ৯৬, ১)	uint8
ইমেজ2	ছবি	(৯৬, ৯৬, ১)	uint8
দৃষ্টান্ত	ক্লাসলেবেল		int64
লেবেল_অজিমুথ	ক্লাসলেবেল		int64
লেবেল_বিভাগ	ক্লাসলেবেল		int64
লেবেল_উচ্চতা	ক্লাসলেবেল		int64
লেবেল_লাইটিং	ক্লাসলেবেল		int64

• তত্ত্বাবধান করা কী ( as_supervised ডক হিসাবে ): ('image', 'label_category')

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদাহরণ ( tfds.as_dataframe ):

• উদ্ধৃতি :

@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}
}