• विवरण :

एसए-1बी डाउनलोड

सेगमेंट एनीथिंग 1 बिलियन (एसए-1बी) एक डेटासेट है जिसे खुली दुनिया की छवियों से सामान्य-उद्देश्य ऑब्जेक्ट सेगमेंटेशन मॉडल के प्रशिक्षण के लिए डिज़ाइन किया गया है। डेटासेट को "सेगमेंट एनीथिंग" पेपर में पेश किया गया था।

SA-1B डेटासेट में 11M विविध, उच्च-रिज़ॉल्यूशन, लाइसेंस प्राप्त और गोपनीयता की रक्षा करने वाली छवियां और 1.1B मास्क एनोटेशन शामिल हैं। मास्क COCO रन-लेंथ एन्कोडिंग (RLE) प्रारूप में दिए गए हैं, और इनमें कक्षाएं नहीं हैं।

लाइसेंस कस्टम है. कृपया, https://ai.facebook.com/datasets/segment-anything-downloads पर पूर्ण नियम और शर्तें पढ़ें

image.content (छवि की सामग्री) को छोड़कर सभी सुविधाएँ मूल डेटासेट में हैं।

आप सेगमेंटेशन मास्क को डीकोड कर सकते हैं:

import tensorflow_datasets as tfds

pycocotools = tfds.core.lazy_imports.pycocotools

ds = tfds.load('segment_anything', split='train')
for example in tfds.as_numpy(ds):
  segmentation = example['annotations']['segmentation']
  for counts, size in zip(segmentation['counts'], segmentation['size']):
    encoded_mask = {'size': size, 'counts': counts}
    mask = pycocotools.decode(encoded_mask)  # np.array(dtype=uint8) mask
    ...

• मुखपृष्ठ : https://ai.facebook.com/datasets/segment-anything-downloads

• स्रोत कोड : tfds.datasets.segment_anything.Builder

• संस्करण :

  • 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।

• डाउनलोड आकार : 10.28 TiB

• डेटासेट का आकार : 10.59 TiB

• मैन्युअल डाउनलोड निर्देश : इस डेटासेट के लिए आपको स्रोत डेटा को मैन्युअल रूप से download_config.manual_dir (डिफ़ॉल्ट रूप से ~/tensorflow_datasets/downloads/manual/ ) में डाउनलोड करना होगा:
  लिंक फ़ाइल को https://ai.facebook.com/datasets/segment-anything-downloads manual_dir डाउनलोड करें।

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'annotations': Sequence({
        'area': Scalar(shape=(), dtype=uint64, description=The area in pixels of the mask.),
        'bbox': BBoxFeature(shape=(4,), dtype=float32, description=The box around the mask, in TFDS format.),
        'crop_box': BBoxFeature(shape=(4,), dtype=float32, description=The crop of the image used to generate the mask, in TFDS format.),
        'id': Scalar(shape=(), dtype=uint64, description=Identifier for the annotation.),
        'point_coords': Tensor(shape=(1, 2), dtype=float64, description=The point coordinates input to the model to generate the mask.),
        'predicted_iou': Scalar(shape=(), dtype=float64, description=The model's own prediction of the mask's quality.),
        'segmentation': FeaturesDict({
            'counts': string,
            'size': Tensor(shape=(2,), dtype=uint64),
        }),
        'stability_score': Scalar(shape=(), dtype=float64, description=A measure of the mask's quality.),
    }),
    'image': FeaturesDict({
        'content': Image(shape=(None, None, 3), dtype=uint8, description=Content of the image.),
        'file_name': string,
        'height': uint64,
        'image_id': uint64,
        'width': uint64,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उदाहरण ( tfds.as_dataframe ): गुम है।

• उद्धरण :

@misc{kirillov2023segment,
  title={Segment Anything},
  author={Alexander Kirillov and Eric Mintun and Nikhila Ravi and Hanzi Mao and Chloe Rolland and Laura Gustafson and Tete Xiao and Spencer Whitehead and Alexander C. Berg and Wan-Yen Lo and Piotr Dollár and Ross Girshick},
  year={2023},
  eprint={2304.02643},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
}