کیتی

• توضیحات :

کیتی شامل مجموعه ای از وظایف بینایی است که با استفاده از یک پلت فرم رانندگی مستقل ساخته شده اند. معیار کامل شامل وظایف بسیاری مانند استریو، جریان نوری، کیلومتر شماری بصری، و غیره است. این مجموعه داده شامل مجموعه داده های تشخیص اشیا، از جمله تصاویر تک چشمی و جعبه های مرزی است. مجموعه داده شامل 7481 تصویر آموزشی است که با جعبه های مرزبندی سه بعدی حاشیه نویسی شده است. شرح کامل حاشیه نویسی ها را می توان در readme کیت توسعه شی readme در صفحه اصلی کیتی یافت.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : http://www.cvlibs.net/datasets/kitti/

• کد منبع : tfds.datasets.kitti.Builder

• نسخه ها :

  • 3.1.0 : بدون یادداشت انتشار.
  • 3.2.0 : Devkit به روز شد.
  • 3.3.0 (پیش‌فرض): برچسب‌هایی برای ویژگی occluded اضافه شده است.

• حجم دانلود : 11.71 GiB

• حجم مجموعه داده : 5.27 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/file_name': Text(shape=(), dtype=string),
    'objects': Sequence({
        'alpha': float32,
        'bbox': BBoxFeature(shape=(4,), dtype=float32, description=2D bounding box of object in the image),
        'dimensions': Tensor(shape=(3,), dtype=float32, description=3D object dimensions: height, width, length (in meters)),
        'location': Tensor(shape=(3,), dtype=float32, description=3D object location x,y,z in camera coordinates (in meters)),
        'occluded': ClassLabel(shape=(), dtype=int64, num_classes=4),
        'rotation_y': float32,
        'truncated': float32,
        'type': ClassLabel(shape=(), dtype=int64, num_classes=8),
    }),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@inproceedings{Geiger2012CVPR,
  author = {Andreas Geiger and Philip Lenz and Raquel Urtasun},
  title = {Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite},
  booktitle = {Conference on Computer Vision and Pattern Recognition (CVPR)},
  year = {2012}
}