gref

• Descrizione :

Il set di dati Google RefExp è una raccolta di descrizioni testuali di oggetti nelle immagini che si basa sul set di dati MS-COCO pubblicamente disponibile. Mentre le didascalie delle immagini in MS-COCO si applicano all'intera immagine, questo set di dati si concentra sulle descrizioni testuali che consentono di identificare in modo univoco un singolo oggetto o regione all'interno di un'immagine. Vedi maggiori dettagli in questo documento: Generazione e comprensione di descrizioni di oggetti non ambigui.

• Documentazione aggiuntiva : Esplora documenti con codice north_east

• Pagina iniziale : https://github.com/mjhucla/Google_Refexp_toolbox

• Codice sorgente : tfds.vision_language.gref.Gref

• Versioni :

  • 1.0.0 (impostazione predefinita): versione iniziale.

• Dimensioni del download : Unknown size

• Dimensione del set di dati: 4.60 GiB

• Istruzioni per il download manuale : questo set di dati richiede di scaricare manualmente i dati di origine in download_config.manual_dir (il valore predefinito ~/tensorflow_datasets/downloads/manual/ ):
  Segui le istruzioni su https://github.com/mjhucla/Google_Refexp_toolbox per scaricare e pre-elaborare i dati in un formato allineato con COCO. La directory contiene 2 file e una cartella:

• google_refexp_train_201511_coco_aligned_catg.json

• google_refexp_val_201511_coco_aligned_catg.json

• coco_treno2014/

La cartella coco_train2014 contiene tutte le immagini di allenamento COCO 2014.

• Cache automatica ( documentazione ): No

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/id': int64,
    'objects': Sequence({
        'area': int64,
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'id': int64,
        'label': int64,
        'label_name': ClassLabel(shape=(), dtype=int64, num_classes=80),
        'refexp': Sequence({
            'raw': Text(shape=(), dtype=string),
            'referent': Text(shape=(), dtype=string),
            'refexp_id': int64,
            'tokens': Sequence(Text(shape=(), dtype=string)),
        }),
    }),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (Vedi as_supervised doc ): None

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• Citazione :

@inproceedings{mao2016generation,
  title={Generation and Comprehension of Unambiguous Object Descriptions},
  author={Mao, Junhua and Huang, Jonathan and Toshev, Alexander and Camburu, Oana and Yuille, Alan and Murphy, Kevin},
  booktitle={CVPR},
  year={2016}
}