- বর্ণনা :
এই ডেটাসেটে ছবি এবং লেবেলের একটি সেট রয়েছে যা সেই চিত্রগুলির নির্দিষ্ট বৈশিষ্ট্যগুলিকে প্রকাশ করে, যেমন ভারোয়া-মাইট সংক্রমণ, পরাগ-প্যাকেট বহনকারী মৌমাছি বা মৌমাছি যা তাদের ডানা ঝাপটায় মৌচাকে শীতল করছে । অতিরিক্তভাবে, এই ডেটাসেটে মৌমাছি এবং ওয়াপসকে আলাদা করতে সক্ষম হওয়ার জন্য ওয়াপসের ছবি রয়েছে।
মৌমাছিদের ছবি উপর থেকে তোলা এবং ঘোরানো। মৌমাছি উল্লম্ব এবং হয় এর মাথা বা কাণ্ড উপরে থাকে। সমস্ত ছবি সবুজ পটভূমিতে তোলা হয়েছিল এবং মৌমাছির দূরত্ব সবসময় একই ছিল, এইভাবে সমস্ত মৌমাছির আকার একই।
প্রতিটি ছবিতে একাধিক লেবেল বরাদ্দ করা থাকতে পারে। যেমন একটি মৌমাছি মৌচাকে শীতল করতে পারে এবং একই সাথে ভ্যারিও-মাইট সংক্রমণ হতে পারে।
এই ডেটাসেটটি mutli-লেবেল ডেটাসেট হিসাবে ডিজাইন করা হয়েছে, যেখানে প্রতিটি লেবেলে, যেমন varroa_output , চিত্রটিতে বৈশিষ্ট্য উপস্থিত থাকলে 1 এবং না থাকলে 0 থাকে৷ সমস্ত ছবি 300 পিক্সেল উচ্চতা এবং 150 পিক্সেল প্রস্থ দ্বারা প্রদান করা হয়। ডিফল্ট হিসাবে ডেটাসেট 150x75 (h,w) পিক্সেল হিসাবে চিত্রগুলি সরবরাহ করে। আপনি "bee_dataset/bee_dataset_300" নামের ড্যাটসেটটি লোড করে 300 পিক্সেল উচ্চতা এবং "bee_dataset/bee_dataset_200" দ্বারা 200 পিক্সেল উচ্চতা নির্বাচন করতে পারেন।
লাইসেন্স: GNU সাধারণ পাবলিক লাইসেন্স
লেখক: ফ্যাবিয়ান হিকার্ট Fabian.Hickert@raspbee.de
হোমপেজ : https://raspbee.de
সোর্স কোড :
tfds.datasets.bee_dataset.Builder
সংস্করণ :
-
1.0.0
(ডিফল্ট): কোনো রিলিজ নোট নেই।
-
ডাউনলোড সাইজ :
192.39 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'train' | ৭,৪৯০ |
তত্ত্বাবধান করা কী (দেখুন
as_supervised
doc ):('input', 'output')
উদ্ধৃতি :
@misc{BeeAlarmed - A camera based bee-hive monitoring,
title = "Dataset for a camera based bee-hive monitoring",
url={https://github.com/BeeAlarmed}, journal={BeeAlarmed},
author = "Fabian Hickert",
year = "2021",
NOTE = "\url{https://raspbee.de/} and \url{https://github.com/BeeAlarmed/BeeAlarmed}"
}
bee_dataset/bee_dataset_300 (ডিফল্ট কনফিগারেশন)
কনফিগারের বিবরণ : 300 পিক্সেল উচ্চতা এবং 150 পিক্সেল প্রস্থ সহ বিডেটাসেট চিত্র
ডেটাসেটের আকার :
97.96 MiB
বৈশিষ্ট্য গঠন :
FeaturesDict({
'input': Image(shape=(300, 150, 3), dtype=uint8),
'output': FeaturesDict({
'cooling_output': float64,
'pollen_output': float64,
'varroa_output': float64,
'wasps_output': float64,
}),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইনপুট | ছবি | (300, 150, 3) | uint8 | |
আউটপুট | ফিচারসডিক্ট | |||
আউটপুট/কুলিং_আউটপুট | টেনসর | float64 | ||
আউটপুট/পরাগ_আউটপুট | টেনসর | float64 | ||
আউটপুট/varroa_output | টেনসর | float64 | ||
আউটপুট/wasps_output | টেনসর | float64 |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
bee_dataset/bee_dataset_200
কনফিগার বিবরণ : 200 পিক্সেল উচ্চতা এবং 100 পিক্সেল প্রস্থ সহ বিডেটাসেট ছবি
ডেটাসেটের আকার :
55.48 MiB
বৈশিষ্ট্য গঠন :
FeaturesDict({
'input': Image(shape=(200, 100, 3), dtype=uint8),
'output': FeaturesDict({
'cooling_output': float64,
'pollen_output': float64,
'varroa_output': float64,
'wasps_output': float64,
}),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইনপুট | ছবি | (200, 100, 3) | uint8 | |
আউটপুট | ফিচারসডিক্ট | |||
আউটপুট/কুলিং_আউটপুট | টেনসর | float64 | ||
আউটপুট/পরাগ_আউটপুট | টেনসর | float64 | ||
আউটপুট/varroa_output | টেনসর | float64 | ||
আউটপুট/wasps_output | টেনসর | float64 |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
bee_dataset/bee_dataset_150
কনফিগার বিবরণ : 200 পিক্সেল উচ্চতা এবং 100 পিক্সেল প্রস্থ সহ বিডেটাসেট ছবি
ডেটাসেটের আকার :
37.43 MiB
বৈশিষ্ট্য গঠন :
FeaturesDict({
'input': Image(shape=(150, 75, 3), dtype=uint8),
'output': FeaturesDict({
'cooling_output': float64,
'pollen_output': float64,
'varroa_output': float64,
'wasps_output': float64,
}),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইনপুট | ছবি | (150, 75, 3) | uint8 | |
আউটপুট | ফিচারসডিক্ট | |||
আউটপুট/কুলিং_আউটপুট | টেনসর | float64 | ||
আউটপুট/পরাগ_আউটপুট | টেনসর | float64 | ||
আউটপুট/varroa_output | টেনসর | float64 | ||
আউটপুট/wasps_output | টেনসর | float64 |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):