TFDS sekarang mendukung format Croissant 🥐 ! Baca dokumentasi untuk mengetahui lebih lanjut.

Halaman ini diterjemahkan oleh Cloud Translation API.

visual_domain_decathlon

Deskripsi :

Ini berisi 10 set data yang digunakan dalam Visual Domain Decathlon, bagian dari PASCAL dalam Detail Workshop Challenge (CVPR 2017). Tujuan dari tantangan ini adalah untuk memecahkan secara bersamaan sepuluh masalah klasifikasi gambar yang mewakili domain visual yang sangat berbeda.

Beberapa kumpulan data yang disertakan di sini juga tersedia sebagai kumpulan data terpisah di TFDS. Namun, perhatikan bahwa gambar telah diproses sebelumnya untuk Visual Domain Decathlon (diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel) dan mungkin memiliki pemisahan kereta/validasi/uji coba yang berbeda. Di sini kami menggunakan pemisahan resmi untuk kompetisi.

Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode
Beranda : https://www.robots.ox.ac.uk/~vgg/decathlon/
Kode sumber : tfds.image_classification.VisualDomainDecathlon
Versi :
- 1.2.0 (default): Tidak ada catatan rilis.
Kunci yang diawasi (Lihat as_supervised doc ): ('image', 'label')
Kutipan :

@ONLINE{hakanbilensylvestrerebuffitomasjakab2017,
    author = "Hakan Bilen, Sylvestre Rebuffi, Tomas Jakab",
    title  = "Visual Domain Decathlon",
    year   = "2017",
    url    = "https://www.robots.ox.ac.uk/~vgg/decathlon/"
}

visual_domain_decathlon/aircraft (konfigurasi default)

Deskripsi konfigurasi : Data berdasarkan "Pesawat", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 20.96 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	3.333
`'train'`	3.334
`'validation'`	3.333

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/cifar100

Deskripsi konfigurasi : Data berdasarkan "CIFAR-100", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 119.43 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	10.000
`'train'`	40.000
`'validation'`	10.000

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/daimlerpedcls

Deskripsi konfigurasi : Data berdasarkan "Klasifikasi Pejalan Kaki Daimler", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 68.35 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	19.600
`'train'`	23.520
`'validation'`	5.880

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/dtd

Deskripsi konfigurasi : Data berdasarkan "Tekstur yang Dapat Dideskripsikan", dengan gambar yang diubah ukurannya secara isotropik agar memiliki ukuran lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 13.30 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	1.880
`'train'`	1.880
`'validation'`	1.880

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=47),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/gtsrb

Deskripsi konfigurasi : Data berdasarkan "Rambu Lalu Lintas Jerman", dengan gambar yang diubah ukurannya secara isotropik menjadi lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 80.58 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	12.630
`'train'`	31.367
`'validation'`	7.842

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=43),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/imagenet12

Deskripsi konfigurasi : Data berdasarkan "Imagenet", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.
Ukuran unduhan : 6.11 GiB
Ukuran dataset : 5.24 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'test'`	48.238
`'train'`	1.232.167
`'validation'`	49.000

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/omniglot

Deskripsi konfigurasi : Data berdasarkan "Omniglot", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 41.46 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	8.115
`'train'`	17.853
`'validation'`	6.492

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1623),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/svhn

Deskripsi konfigurasi : Data berdasarkan "Nomor Rumah Street View", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 135.32 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	26.032
`'train'`	47.217
`'validation'`	26.040

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/ucf101

Deskripsi konfigurasi : Data berdasarkan "Gambar Dinamis UCF101", dengan gambar yang diubah ukurannya secara isotropik agar memiliki ukuran lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 19.73 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	3.783
`'train'`	7.585
`'validation'`	1.952

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=101),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):

visual_domain_decathlon/vgg-bunga

Deskripsi konfigurasi : Data berdasarkan "VGG-Flowers", dengan gambar yang diubah ukurannya secara isotropis menjadi lebih pendek 72 piksel.
Ukuran unduhan : 409.94 MiB
Ukuran dataset : 20.87 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'test'`	6.149
`'train'`	1.020
`'validation'`	1.020

Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=102),
    'name': Text(shape=(), dtype=string),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64
nama	Teks		rangkaian

Gambar ( tfds.show_examples ):

Visualisasi

Contoh ( tfds.as_dataframe ):