賢い

  • 説明

CLEVR は、さまざまな視覚的推論能力をテストする診断データセットです。バイアスは最小限に抑えられており、各質問に必要な推論の種類を説明する詳細な注釈が付いています。

スプリット
'test' 15,000
'train' 70,000
'validation' 15,000
  • 機能の構造:
FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'objects': Sequence({
        '3d_coords': Tensor(shape=(3,), dtype=float32),
        'color': ClassLabel(shape=(), dtype=int64, num_classes=8),
        'material': ClassLabel(shape=(), dtype=int64, num_classes=2),
        'pixel_coords': Tensor(shape=(3,), dtype=float32),
        'rotation': float32,
        'shape': ClassLabel(shape=(), dtype=int64, num_classes=3),
        'size': ClassLabel(shape=(), dtype=int64, num_classes=2),
    }),
    'question_answer': Sequence({
        'answer': Text(shape=(), dtype=string),
        'question': Text(shape=(), dtype=string),
    }),
})
  • 機能ドキュメント:
特徴クラスDタイプ説明
特徴辞書
ファイル名文章
画像画像(なし、なし、3) uint8
オブジェクト順序
オブジェクト/3d_coordsテンソル(3,) float32
オブジェクト/色クラスラベルint64
オブジェクト/マテリアルクラスラベルint64
オブジェクト/ピクセル座標テンソル(3,) float32
オブジェクト/回転テンソルfloat32
オブジェクト/形状クラスラベルint64
オブジェクト/サイズクラスラベルint64
質疑応答順序
質問_回答/回答文章
質問_回答/質問文章

視覚化

  • 引用
@inproceedings{johnson2017clevr,
  title={ {CLEVR}: A diagnostic dataset for compositional language and elementary visual reasoning},
  author={Johnson, Justin and Hariharan, Bharath and van der Maaten, Laurens and Fei-Fei, Li and Lawrence Zitnick, C and Girshick, Ross},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  year={2017}
}