dsprites

• Opis :

dSprites to zbiór danych kształtów 2D wygenerowanych proceduralnie na podstawie 6 niezależnych od prawdy czynników ukrytych. Czynniki te to kolor , kształt , skala , obrót , pozycje x i y duszka.

Wszystkie możliwe kombinacje tych latencji występują dokładnie raz, generując łącznie N = 737280 obrazów.

Ukryte wartości czynników

• Kolor biały
• Kształt: kwadrat, elipsa, serce
• Skala: 6 wartości rozmieszczonych liniowo w [0,5, 1]
• Orientacja: 40 wartości w [0, 2 pi]
• Pozycja X: 32 wartości w [0, 1]
• Pozycja Y: 32 wartości w [0, 1]

Zmienialiśmy po jednym ukryciu na raz (zaczynając od pozycji Y, następnie pozycji X itd.) i sekwencyjnie zapisywaliśmy obrazy w ustalonej kolejności. W związku z tym kolejność w pierwszym wymiarze jest stała i pozwala na odwzorowanie wartości ukrytych odpowiadających temu obrazowi.

Celowo wybraliśmy wartości ukryte, aby zmiany były najmniejsze, zapewniając jednocześnie, że wyniki wszystkich pikseli były różne. Nie dodano żadnego hałasu.

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

• Strona główna : https://github.com/deepmind/dsprites-dataset

• Kod źródłowy : tfds.datasets.dsprites.Builder

• Wersje :

  • 2.0.0 (domyślnie): Nowe podzielone API ( https://tensorflow.org/datasets/splits )
  • 2.1.0 : Brak informacji o wydaniu.

• Rozmiar pobierania : 26.73 MiB

• Rozmiar zbioru danych : Unknown size

• Automatyczne buforowanie ( dokumentacja ): Nieznane

• Podziały :

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(64, 64, 1), dtype=uint8),
    'label_orientation': ClassLabel(shape=(), dtype=int64, num_classes=40),
    'label_scale': ClassLabel(shape=(), dtype=int64, num_classes=6),
    'label_shape': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'label_x_position': ClassLabel(shape=(), dtype=int64, num_classes=32),
    'label_y_position': ClassLabel(shape=(), dtype=int64, num_classes=32),
    'value_orientation': float32,
    'value_scale': float32,
    'value_shape': float32,
    'value_x_position': float32,
    'value_y_position': float32,
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@misc{dsprites17,
author = {Loic Matthey and Irina Higgins and Demis Hassabis and Alexander Lerchner},
title = {dSprites: Disentanglement testing Sprites dataset},
howpublished= {https://github.com/deepmind/dsprites-dataset/},
year = "2017",
}