objetos perdidos

• Visualización : Explore en Know Your Data north_east

• Descripción :

El conjunto de datos de LostAndFound aborda el problema de detectar pequeños obstáculos inesperados en la carretera, a menudo causados ​​por la pérdida de carga. El conjunto de datos consta de 112 secuencias de video estéreo con 2104 fotogramas anotados (seleccionando aproximadamente uno de cada diez fotogramas de los datos grabados).

El conjunto de datos está diseñado de manera análoga al conjunto de datos 'Paisajes urbanos'. El conjunto de datos proporciona: - pares de imágenes estéreo en una resolución de color de 8 o 16 bits - mapas de disparidad precalculados - etiquetas semánticas gruesas para objetos y calles

Las descripciones de las etiquetas se dan aquí: http://www.6d-vision.com/laf_table.pdf

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio : http://www.6d-vision.com/lostandfounddataset

• Código fuente : tfds.datasets.lost_and_found.Builder

• Versiones :

  • 1.0.0 (predeterminado): Sin notas de la versión.

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Claves supervisadas (Ver as_supervised doc ): None

• Figura ( tfds.show_examples ): no compatible.

• Cita :

@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 (configuración predeterminada)

• Descripción de la configuración : conjunto de datos de segmentación semántica perdidos y encontrados.

• Tamaño de descarga : 5.44 GiB

• Tamaño del conjunto de datos : 5.42 GiB

• Estructura de características :

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),
})

• Documentación de características :

• Ejemplos ( tfds.as_dataframe ):

perdido_y_encontrado/disparidad_estéreo

• Descripción de la configuración : Imágenes estéreo perdidas y encontradas y mapas de disparidad.

• Tamaño de descarga : 12.16 GiB

• Tamaño del conjunto de datos : 12.22 GiB

• Estructura de características :

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),
})

• Documentación de características :

• Ejemplos ( tfds.as_dataframe ):

perdido_y_encontrado/lleno

• Descripción de la configuración : conjunto completo de datos perdidos y encontrados.

• Tamaño de descarga : 12.19 GiB

• Tamaño del conjunto de datos : 12.25 GiB

• Estructura de características :

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),
})

• Documentación de características :

• Ejemplos ( tfds.as_dataframe ):

perdido_y_encontrado/completo_16bit

• Descripción de la configuración : conjunto completo de datos perdidos y encontrados.

• Tamaño de descarga : 34.90 GiB

• Tamaño del conjunto de datos : 35.05 GiB

• Estructura de características :

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),
})

• Documentación de características :

• Ejemplos ( tfds.as_dataframe ):