дао

  • Описание :

Набор данных TAO — это большой набор данных для обнаружения видеообъектов, состоящий из 2907 видео высокого разрешения и 833 категорий объектов. Обратите внимание, что для хранения этого набора данных требуется не менее 300 ГБ свободного места.

  • Дополнительная документация : Изучите статьи с кодом

  • Домашняя страница : https://taodataset.org/

  • Исходный код : tfds.video.tao.Tao

  • Версии :

    • 1.0.0 (по умолчанию): нет примечаний к выпуску.
    • 1.1.0 : Добавлено тестовое разделение.

  • Размер загрузки : 113.96 GiB

  • Инструкции по загрузке вручную : этот набор данных требует, чтобы вы вручную загрузили исходные данные в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
    Некоторые файлы TAO (видео HVACS и AVA) необходимо загружать вручную, поскольку требуется вход в систему MOT. Загрузите эти данные, следуя инструкциям на странице https://motchallenge.net/tao_download.php.

Загрузите эти данные и переместите полученные ZIP-файлы в ~/tensorflow_datasets/downloads/manual/.

Если данные, требующие загрузки вручную, отсутствуют, они будут пропущены и будут использоваться только данные, не требующие загрузки вручную.

Расколоть Примеры
'train' 500
'validation' 988
@article{Dave_2020,
   title={TAO: A Large-Scale Benchmark for Tracking Any Object},
   ISBN={9783030585587},
   ISSN={1611-3349},
   url={http://dx.doi.org/10.1007/978-3-030-58558-7_26},
   DOI={10.1007/978-3-030-58558-7_26},
   journal={Lecture Notes in Computer Science},
   publisher={Springer International Publishing},
   author={Dave, Achal and Khurana, Tarasha and Tokmakov, Pavel and Schmid, Cordelia and Ramanan, Deva},
   year={2020},
   pages={436-454}
}

тао/480_640 (конфигурация по умолчанию)

  • Описание конфигурации : Размер всех изображений билинейно изменяется до 480 X 640.

  • Размер набора данных : 482.30 GiB

  • Структура функции : 

FeaturesDict({
    'metadata': FeaturesDict({
        'dataset': string,
        'height': int32,
        'neg_category_ids': Tensor(shape=(None,), dtype=int32),
        'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
        'num_frames': int32,
        'video_name': string,
        'width': int32,
    }),
    'tracks': Sequence({
        'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
        'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
        'frames': Sequence(int32),
        'is_crowd': bool,
        'scale_category': string,
        'track_id': int32,
    }),
    'video': Video(Image(shape=(480, 640, 3), dtype=uint8)),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
метаданные ВозможностиDict
метаданные/набор данных Тензор нить
метаданные/высота Тензор int32
метаданные/neg_category_ids Тензор (Никто,) int32
метаданные/not_exhaustive_category_ids Тензор (Никто,) int32
метаданные/количество_кадров Тензор int32
метаданные/имя_видео Тензор нить
метаданные/ширина Тензор int32
треки Последовательность
треки/бибоксы Последовательность(BBoxFeature) (Нет, 4) поплавок32
треки/категория Класслейбл int64
дорожки/кадры Последовательность (тензор) (Никто,) int32
треки/is_crowd Тензор логическое значение
треки/scale_category Тензор нить
треки/track_id Тензор int32
видео Видео (изображение) (Нет, 480, 640, 3) uint8

Тао/полное_разрешение

  • Описание конфигурации : версия набора данных в полном разрешении.

  • Размер набора данных : 171.24 GiB

  • Структура функции : 

FeaturesDict({
    'metadata': FeaturesDict({
        'dataset': string,
        'height': int32,
        'neg_category_ids': Tensor(shape=(None,), dtype=int32),
        'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
        'num_frames': int32,
        'video_name': string,
        'width': int32,
    }),
    'tracks': Sequence({
        'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
        'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
        'frames': Sequence(int32),
        'is_crowd': bool,
        'scale_category': string,
        'track_id': int32,
    }),
    'video': Video(Image(shape=(None, None, 3), dtype=uint8)),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
метаданные ВозможностиDict
метаданные/набор данных Тензор нить
метаданные/высота Тензор int32
метаданные/neg_category_ids Тензор (Никто,) int32
метаданные/not_exhaustive_category_ids Тензор (Никто,) int32
метаданные/количество_кадров Тензор int32
метаданные/имя_видео Тензор нить
метаданные/ширина Тензор int32
треки Последовательность
треки/бибоксы Последовательность(BBoxFeature) (Нет, 4) поплавок32
треки/категория Класслейбл int64
дорожки/кадры Последовательность (тензор) (Никто,) int32
треки/is_crowd Тензор логическое значение
треки/scale_category Тензор нить
треки/track_id Тензор int32
видео Видео (изображение) (Нет, Нет, Нет, 3) uint8
,

  • Описание :

Набор данных TAO — это большой набор данных для обнаружения видеообъектов, состоящий из 2907 видео высокого разрешения и 833 категорий объектов. Обратите внимание, что для хранения этого набора данных требуется не менее 300 ГБ свободного места.

  • Дополнительная документация : Изучите статьи с кодом

  • Домашняя страница : https://taodataset.org/

  • Исходный код : tfds.video.tao.Tao

  • Версии :

    • 1.0.0 (по умолчанию): нет примечаний к выпуску.
    • 1.1.0 : Добавлено тестовое разделение.

  • Размер загрузки : 113.96 GiB

  • Инструкции по загрузке вручную : этот набор данных требует, чтобы вы вручную загрузили исходные данные в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
    Некоторые файлы TAO (видео HVACS и AVA) необходимо загружать вручную, поскольку требуется вход в систему MOT. Загрузите эти данные, следуя инструкциям на странице https://motchallenge.net/tao_download.php.

Загрузите эти данные и переместите полученные ZIP-файлы в ~/tensorflow_datasets/downloads/manual/.

Если данные, требующие загрузки вручную, отсутствуют, они будут пропущены и будут использоваться только данные, не требующие загрузки вручную.

Расколоть Примеры
'train' 500
'validation' 988
@article{Dave_2020,
   title={TAO: A Large-Scale Benchmark for Tracking Any Object},
   ISBN={9783030585587},
   ISSN={1611-3349},
   url={http://dx.doi.org/10.1007/978-3-030-58558-7_26},
   DOI={10.1007/978-3-030-58558-7_26},
   journal={Lecture Notes in Computer Science},
   publisher={Springer International Publishing},
   author={Dave, Achal and Khurana, Tarasha and Tokmakov, Pavel and Schmid, Cordelia and Ramanan, Deva},
   year={2020},
   pages={436-454}
}

тао/480_640 (конфигурация по умолчанию)

  • Описание конфигурации : Размер всех изображений билинейно изменяется до 480 X 640.

  • Размер набора данных : 482.30 GiB

  • Структура функции : 

FeaturesDict({
    'metadata': FeaturesDict({
        'dataset': string,
        'height': int32,
        'neg_category_ids': Tensor(shape=(None,), dtype=int32),
        'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
        'num_frames': int32,
        'video_name': string,
        'width': int32,
    }),
    'tracks': Sequence({
        'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
        'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
        'frames': Sequence(int32),
        'is_crowd': bool,
        'scale_category': string,
        'track_id': int32,
    }),
    'video': Video(Image(shape=(480, 640, 3), dtype=uint8)),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
метаданные ВозможностиDict
метаданные/набор данных Тензор нить
метаданные/высота Тензор int32
метаданные/neg_category_ids Тензор (Никто,) int32
метаданные/not_exhaustive_category_ids Тензор (Никто,) int32
метаданные/количество_кадров Тензор int32
метаданные/имя_видео Тензор нить
метаданные/ширина Тензор int32
треки Последовательность
треки/бибоксы Последовательность(BBoxFeature) (Нет, 4) поплавок32
треки/категория Класслейбл int64
дорожки/кадры Последовательность (тензор) (Никто,) int32
треки/is_crowd Тензор логическое значение
треки/scale_category Тензор нить
треки/track_id Тензор int32
видео Видео (изображение) (Нет, 480, 640, 3) uint8

Тао/полное_разрешение

  • Описание конфигурации : версия набора данных в полном разрешении.

  • Размер набора данных : 171.24 GiB

  • Структура функции : 

FeaturesDict({
    'metadata': FeaturesDict({
        'dataset': string,
        'height': int32,
        'neg_category_ids': Tensor(shape=(None,), dtype=int32),
        'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
        'num_frames': int32,
        'video_name': string,
        'width': int32,
    }),
    'tracks': Sequence({
        'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
        'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
        'frames': Sequence(int32),
        'is_crowd': bool,
        'scale_category': string,
        'track_id': int32,
    }),
    'video': Video(Image(shape=(None, None, 3), dtype=uint8)),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
метаданные ВозможностиDict
метаданные/набор данных Тензор нить
метаданные/высота Тензор int32
метаданные/neg_category_ids Тензор (Никто,) int32
метаданные/not_exhaustive_category_ids Тензор (Никто,) int32
метаданные/количество_кадров Тензор int32
метаданные/имя_видео Тензор нить
метаданные/ширина Тензор int32
треки Последовательность
треки/бибоксы Последовательность(BBoxFeature) (Нет, 4) поплавок32
треки/категория Класслейбл int64
дорожки/кадры Последовательность (тензор) (Никто,) int32
треки/is_crowd Тензор логическое значение
треки/scale_category Тензор нить
треки/track_id Тензор int32
видео Видео (изображение) (Нет, Нет, Нет, 3) uint8
,

  • Описание :

Набор данных TAO — это большой набор данных для обнаружения видеообъектов, состоящий из 2907 видео высокого разрешения и 833 категорий объектов. Обратите внимание, что для хранения этого набора данных требуется не менее 300 ГБ свободного места.

  • Дополнительная документация : Изучите статьи с кодом

  • Домашняя страница : https://taodataset.org/

  • Исходный код : tfds.video.tao.Tao

  • Версии :

    • 1.0.0 (по умолчанию): нет примечаний к выпуску.
    • 1.1.0 : Добавлено тестовое разделение.

  • Размер загрузки : 113.96 GiB

  • Инструкции по загрузке вручную : этот набор данных требует, чтобы вы вручную загрузили исходные данные в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
    Некоторые файлы TAO (видео HVACS и AVA) необходимо загружать вручную, поскольку требуется вход в систему MOT. Загрузите эти данные, следуя инструкциям на странице https://motchallenge.net/tao_download.php.

Загрузите эти данные и переместите полученные ZIP-файлы в ~/tensorflow_datasets/downloads/manual/.

Если данные, требующие загрузки вручную, отсутствуют, они будут пропущены и будут использоваться только данные, не требующие загрузки вручную.

Расколоть Примеры
'train' 500
'validation' 988
@article{Dave_2020,
   title={TAO: A Large-Scale Benchmark for Tracking Any Object},
   ISBN={9783030585587},
   ISSN={1611-3349},
   url={http://dx.doi.org/10.1007/978-3-030-58558-7_26},
   DOI={10.1007/978-3-030-58558-7_26},
   journal={Lecture Notes in Computer Science},
   publisher={Springer International Publishing},
   author={Dave, Achal and Khurana, Tarasha and Tokmakov, Pavel and Schmid, Cordelia and Ramanan, Deva},
   year={2020},
   pages={436-454}
}

тао/480_640 (конфигурация по умолчанию)

  • Описание конфигурации : Размер всех изображений билинейно изменяется до 480 X 640.

  • Размер набора данных : 482.30 GiB

  • Структура функции : 

FeaturesDict({
    'metadata': FeaturesDict({
        'dataset': string,
        'height': int32,
        'neg_category_ids': Tensor(shape=(None,), dtype=int32),
        'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
        'num_frames': int32,
        'video_name': string,
        'width': int32,
    }),
    'tracks': Sequence({
        'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
        'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
        'frames': Sequence(int32),
        'is_crowd': bool,
        'scale_category': string,
        'track_id': int32,
    }),
    'video': Video(Image(shape=(480, 640, 3), dtype=uint8)),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
метаданные ВозможностиDict
метаданные/набор данных Тензор нить
метаданные/высота Тензор int32
метаданные/neg_category_ids Тензор (Никто,) int32
метаданные/not_exhaustive_category_ids Тензор (Никто,) int32
метаданные/количество_кадров Тензор int32
метаданные/имя_видео Тензор нить
метаданные/ширина Тензор int32
треки Последовательность
треки/бибоксы Последовательность(BBoxFeature) (Нет, 4) поплавок32
треки/категория Класслейбл int64
дорожки/кадры Последовательность (тензор) (Никто,) int32
треки/is_crowd Тензор логическое значение
треки/scale_category Тензор нить
треки/track_id Тензор int32
видео Видео (изображение) (Нет, 480, 640, 3) uint8

Тао/полное_разрешение

  • Описание конфигурации : версия набора данных в полном разрешении.

  • Размер набора данных : 171.24 GiB

  • Структура функции : 

FeaturesDict({
    'metadata': FeaturesDict({
        'dataset': string,
        'height': int32,
        'neg_category_ids': Tensor(shape=(None,), dtype=int32),
        'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
        'num_frames': int32,
        'video_name': string,
        'width': int32,
    }),
    'tracks': Sequence({
        'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
        'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
        'frames': Sequence(int32),
        'is_crowd': bool,
        'scale_category': string,
        'track_id': int32,
    }),
    'video': Video(Image(shape=(None, None, 3), dtype=uint8)),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
метаданные ВозможностиDict
метаданные/набор данных Тензор нить
метаданные/высота Тензор int32
метаданные/neg_category_ids Тензор (Никто,) int32
метаданные/not_exhaustive_category_ids Тензор (Никто,) int32
метаданные/количество_кадров Тензор int32
метаданные/имя_видео Тензор нить
метаданные/ширина Тензор int32
треки Последовательность
треки/бибоксы Последовательность(BBoxFeature) (Нет, 4) поплавок32
треки/категория Класслейбл int64
дорожки/кадры Последовательность (тензор) (Никто,) int32
треки/is_crowd Тензор логическое значение
треки/scale_category Тензор нить
треки/track_id Тензор int32
видео Видео (изображение) (Нет, Нет, Нет, 3) uint8