گمشده_و_پیدا شد

• شرح :

مجموعه داده LostAndFound به مشکل شناسایی موانع کوچک غیرمنتظره در جاده که اغلب ناشی از گم شدن محموله است، می پردازد. مجموعه داده شامل 112 دنباله ویدیوی استریو با 2104 فریم حاشیه‌نویسی است (تقریباً هر دهم فریم از داده‌های ضبط شده را انتخاب می‌کند).

مجموعه داده مشابه با مجموعه داده «Cityscapes» طراحی شده است. مجموعه داده‌ها ارائه می‌کند: - جفت‌های تصویر استریو در وضوح رنگی 8 یا 16 بیتی - نقشه‌های نابرابری از پیش محاسبه‌شده - برچسب‌های معنایی درشت برای اشیا و خیابان‌ها

توضیحات برچسب ها در اینجا آورده شده است: http://www.6d-vision.com/laf_table.pdf

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : http://www.6d-vision.com/lostandfounddataset

• کد منبع : tfds.datasets.lost_and_found.Builder

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

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

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@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 (پیکربندی پیش‌فرض)

• توضیحات پیکربندی : مجموعه داده های تقسیم بندی معنایی گم شده و یافت شده.

• حجم دانلود : 5.44 GiB

• حجم مجموعه داده : 5.42 GiB

• ساختار ویژگی :

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),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):

گمشده_و_پیدا/اختلاف_استریو

• توضیحات پیکربندی : تصاویر استریو گم شده و پیدا شده و نقشه های نابرابری.

• حجم دانلود : 12.16 GiB

• حجم مجموعه داده : 12.22 GiB

• ساختار ویژگی :

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),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):

گمشده_و_پیدا/پر

• توضیحات پیکربندی : مجموعه داده کامل گم شده و یافت شده.

• حجم دانلود : 12.19 GiB

• حجم مجموعه داده : 12.25 GiB

• ساختار ویژگی :

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),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):

lost_and_found/full_16bit

• توضیحات پیکربندی : مجموعه داده کامل گم شده و یافت شده.

• حجم دانلود : 34.90 GiB

• حجم مجموعه داده : 35.05 GiB

• ساختار ویژگی :

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),
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):