clevr

• Descrizione :

CLEVR è un set di dati diagnostici che mette alla prova una serie di capacità di ragionamento visivo. Contiene pregiudizi minimi e annotazioni dettagliate che descrivono il tipo di ragionamento richiesto da ciascuna domanda.

• Documentazione aggiuntiva : esplora documenti con codice north_east

• Pagina iniziale : https://cs.stanford.edu/people/jcjohns/clevr/

• Codice sorgente : tfds.datasets.clevr.Builder

• Versioni :

  • 3.0.0 : nessuna nota di rilascio.
  • 3.1.0 (impostazione predefinita): aggiungi testo di domanda/risposta.

• Dimensione download : 17.72 GiB

• Dimensione del set di dati : 17.75 GiB

• Memorizzazione nella cache automatica ( documentazione ): No

• Divide :

• Struttura delle caratteristiche :

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),
    }),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi il documento as_supervised ): None

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• Citazione :

@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}
}