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.

@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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi

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 Keterangan
fiturDict
gambar Gambar (Tidak ada, Tidak ada, 3) uint8
label LabelKelas int64
nama Teks rangkaian

Visualisasi