потерянный_и_найденный

• Описание :

Набор данных LostAndFound решает проблему обнаружения неожиданных небольших препятствий на дороге, часто вызванных потерянным грузом. Набор данных включает 112 стереовидеопоследовательностей с 2104 аннотированными кадрами (выбирая примерно каждый десятый кадр из записанных данных).

Набор данных разработан аналогично набору данных «Городские пейзажи». Набор данных предоставляет: - пары стереоизображений с цветовым разрешением 8 или 16 бит - предварительно рассчитанные карты различий - грубые семантические метки для объектов и улиц.

Описания этикеток приведены здесь: http://www.6d-vision.com/laf_table.pdf.

• Дополнительная документация : Изучите статьи с кодом north_east

• Домашняя страница : http://www.6d-vision.com/lostandfounddataset.

• Исходный код : tfds.datasets.lost_and_found.Builder .

• Версии :

  • 1.0.0 (по умолчанию): нет примечаний к выпуску.

• Автокэширование ( документация ): Нет

• Расколы :

• Контролируемые ключи (см. документ as_supervised ): None

• Рисунок ( tfds.show_examples ): не поддерживается.

• Цитата :

@inproceedings{pinggera2016lost,
  title={Lost and found: detecting small road hazards for self-driving vehicles},
  author={Pinggera, Peter and Ramos, Sebastian and Gehrig, Stefan and Franke, Uwe and Rother, Carsten and Mester, Rudolf},
  booktitle={2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  year={2016}
}

Lost_and_found/semantic_segmentation (конфигурация по умолчанию)

• Описание конфигурации : набор данных семантической сегментации потерянных и найденных данных.

• Размер загрузки : 5.44 GiB

• Размер набора данных : 5.42 GiB

• Структура функции :

FeaturesDict({
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})

• Функциональная документация :

• Примеры ( tfds.as_dataframe ):

Lost_and_found/stereo_disparity

• Описание конфигурации : Потерянные и найденные стереоизображения и карты различий.

• Размер загрузки : 12.16 GiB

• Размер набора данных : 12.22 GiB

• Структура функции :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
})

• Функциональная документация :

• Примеры ( tfds.as_dataframe ):

потерянный_и_найденный/полный

• Описание конфигурации : Полный набор данных о потерянных и найденных данных.

• Размер загрузки : 12.19 GiB

• Размер набора данных : 12.25 GiB

• Структура функции :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
    'instance_id': Image(shape=(1024, 2048, 1), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})

• Функциональная документация :

• Примеры ( tfds.as_dataframe ):

потерянный_и_найденный/full_16bit

• Описание конфигурации : Полный набор данных о потерянных и найденных данных.

• Размер загрузки : 34.90 GiB

• Размер набора данных : 35.05 GiB

• Структура функции :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
    'instance_id': Image(shape=(1024, 2048, 1), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})

• Функциональная документация :

• Примеры ( tfds.as_dataframe ):