małynorb

• Opis :

Ta baza danych jest przeznaczona do eksperymentów z rozpoznawaniem obiektów 3D na podstawie kształtu. Zawiera obrazy 50 zabawek należących do 5 ogólnych kategorii: czworonożne zwierzęta, postacie ludzkie, samoloty, ciężarówki i samochody. Obiekty były fotografowane przez dwie kamery w 6 warunkach oświetleniowych, 9 elewacji (30 do 70 stopni co 5 stopni) i 18 azymutach (0 do 340 co 20 stopni).

Zbiór uczący składa się z 5 instancji każdej kategorii (instancje 4, 6, 7, 8 i 9), a zbiór testowy pozostałych 5 instancji (instancje 0, 1, 2, 3 i 5).

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

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

• Kod źródłowy : tfds.datasets.smallnorb.Builder

• Wersje :

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

• Rozmiar pobierania : 250.60 MiB

• Rozmiar zbioru danych : Unknown size

• Automatyczne buforowanie ( dokumentacja ): Nieznane

• Podziały :

• Struktura funkcji :

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),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label_category')

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@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}
}