کوچک نورب

  • شرح :

این پایگاه داده برای آزمایش در تشخیص اشیاء سه بعدی از شکل در نظر گرفته شده است. این شامل تصاویری از 50 اسباب بازی متعلق به 5 دسته کلی است: حیوانات چهار پا، پیکره های انسان، هواپیما، کامیون و اتومبیل. این اشیاء توسط دو دوربین تحت 6 شرایط نوری، 9 ارتفاع (30 تا 70 درجه در هر 5 درجه) و 18 آزیموت (0 تا 340 در هر 20 درجه) تصویربرداری شدند.

مجموعه آموزشی از 5 نمونه از هر دسته (نمونه های 4، 6، 7، 8 و 9) و مجموعه آزمایشی از 5 نمونه باقی مانده (نمونه های 0، 1، 2، 3، و 5) تشکیل شده است.

شکاف مثال ها
'test' 24300
'train' 24300
  • ساختار ویژگی :
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),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
تصویر تصویر (96، 96، 1) uint8
تصویر 2 تصویر (96، 96، 1) uint8
نمونه، مثال ClassLabel int64
label_azimuth ClassLabel int64
برچسب_رده ClassLabel int64
label_elevation ClassLabel int64
برچسب_روشنایی ClassLabel int64
  • نقل قول :
@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}
}