умный

• Описание :

CLEVR — это диагностический набор данных, который проверяет ряд способностей визуального мышления. Он содержит минимальные предубеждения и содержит подробные аннотации, описывающие, какие аргументы требуются для каждого вопроса.

• Дополнительная документация : Изучите статьи с кодом north_east

• Домашняя страница : https://cs.stanford.edu/people/jcjohns/clevr/

• Исходный код : tfds.datasets.clevr.Builder

• Версии :

  • 3.0.0 : нет примечаний к выпуску.
  • 3.1.0 (по умолчанию): Добавить текст вопроса/ответа.

• Размер загрузки : 17.72 GiB

• Размер набора данных : 17.75 GiB

• Автокэширование ( документация ): Нет

• Расколы :

• Структура функции :

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),
    }),
})

• Функциональная документация :

• Контролируемые ключи (см. документ as_supervised ): None

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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}
}