- Описание :
Набор данных NYU-Depth V2 состоит из видеопоследовательностей различных внутренних сцен, записанных камерами RGB и Depth от Microsoft Kinect.
Дополнительная документация : изучить документы с кодом
Домашняя страница : https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
Исходный код :
tfds.datasets.nyu_depth_v2.Builder
Версии :
-
0.0.1
(по умолчанию): нет примечаний к выпуску.
-
Размер загрузки :
31.92 GiB
Размер набора данных :
74.03 GiB
Автоматическое кэширование ( документация ): Нет
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 47 584 |
'validation' | 654 |
- Структура функции :
FeaturesDict({
'depth': Tensor(shape=(480, 640), dtype=float16),
'image': Image(shape=(480, 640, 3), dtype=uint8),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
глубина | Тензор | (480, 640) | поплавок16 | |
изображение | Изображение | (480, 640, 3) | uint8 |
Контролируемые ключи (см.
as_supervised
doc ):('image', 'depth')
Рисунок ( tfds.show_examples ):
- Примеры ( tfds.as_dataframe ):
- Цитата :
@inproceedings{Silberman:ECCV12,
author = {Nathan Silberman, Derek Hoiem, Pushmeet Kohli and Rob Fergus},
title = {Indoor Segmentation and Support Inference from RGBD Images},
booktitle = {ECCV},
year = {2012}
}
@inproceedings{icra_2019_fastdepth,
author = {Wofk, Diana and Ma, Fangchang and Yang, Tien-Ju and Karaman, Sertac and Sze, Vivienne},
title = {FastDepth: Fast Monocular Depth Estimation on Embedded Systems},
booktitle = {IEEE International Conference on Robotics and Automation (ICRA)},
year = {2019}
}