ส่วน_อะไรก็ตาม

  • คำอธิบาย :

ดาวน์โหลด SA-1B

Segment Anything 1 Billion (SA-1B) เป็นชุดข้อมูลที่ออกแบบมาเพื่อฝึกโมเดลการแบ่งส่วนวัตถุสำหรับวัตถุประสงค์ทั่วไปจากภาพโลกเปิด ชุดข้อมูลได้รับการแนะนำในรายงาน "Segment Anything"

ชุดข้อมูล SA-1B ประกอบด้วยรูปภาพที่หลากหลาย มีความละเอียดสูง มีลิขสิทธิ์ และปกป้องความเป็นส่วนตัวจำนวน 11 ล้านภาพ และคำอธิบายประกอบแบบมาสก์ 1.1B มาสก์มีให้ในรูปแบบการเข้ารหัสความยาวรัน COCO (RLE) และไม่มีคลาส

ใบอนุญาตเป็นแบบกำหนดเอง โปรดอ่านข้อกำหนดและเงื่อนไขฉบับเต็มได้ที่ https://ai.facebook.com/datasets/segment-anything-downloads

คุณสมบัติทั้งหมดอยู่ในชุดข้อมูลดั้งเดิม ยกเว้น image.content (เนื้อหาของรูปภาพ)

คุณสามารถถอดรหัสมาสก์การแบ่งเซ็กเมนต์ได้ด้วย:

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

  • ซอร์สโค้ด : tfds.datasets.segment_anything.Builder

  • รุ่น :

    • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก
  • ขนาดดาวน์โหลด : 10.28 TiB

  • ขนาดชุดข้อมูล : 10.59 TiB

  • คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้ต้องการให้คุณดาวน์โหลดข้อมูลต้นฉบับด้วยตนเองลงใน download_config.manual_dir (ค่าเริ่มต้นเป็น ~/tensorflow_datasets/downloads/manual/ ):
    ดาวน์โหลดไฟล์ลิงก์จาก https://ai.facebook.com/datasets/segment-anything-downloads manual_dir ควรมีไฟล์ลิงก์ที่บันทึกเป็นเซ็กเมนต์_anything_links.txt

  • แคชอัตโนมัติ ( เอกสาร ): No

  • แยก :

แยก ตัวอย่าง
'train' 11,185,362
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
คำอธิบายประกอบ ลำดับ
คำอธิบายประกอบ/พื้นที่ สเกลาร์ uint64 พื้นที่เป็นพิกเซลของมาสก์
คำอธิบายประกอบ/bbox คุณสมบัติ BBox (4,) ลอย32 กล่องรอบมาสก์ ในรูปแบบ TFDS
คำอธิบายประกอบ/crop_box คุณสมบัติ BBox (4,) ลอย32 การครอบตัดรูปภาพที่ใช้สร้างมาสก์ ในรูปแบบ TFDS
คำอธิบายประกอบ/รหัส สเกลาร์ uint64 ตัวระบุสำหรับคำอธิบายประกอบ
คำอธิบายประกอบ/point_coords เทนเซอร์ (1, 2) ลอย64 พิกัดจุดอินพุตไปยังโมเดลเพื่อสร้างมาสก์
คำอธิบายประกอบ/predicted_iou สเกลาร์ ลอย64 การคาดการณ์คุณภาพของหน้ากากของตัวแบบเอง
คำอธิบายประกอบ/การแบ่งส่วน คุณสมบัติDict มาสก์การแบ่งส่วนที่เข้ารหัสในรูปแบบ COCO RLE (กำหนดด้วย size คีย์และ counts )
คำอธิบายประกอบ/การแบ่งส่วน/การนับ เทนเซอร์ เชือก
คำอธิบายประกอบ/การแบ่งส่วน/ขนาด เทนเซอร์ (2,) uint64
คำอธิบายประกอบ/stability_score สเกลาร์ ลอย64 การวัดคุณภาพของหน้ากาก
ภาพ คุณสมบัติDict
รูปภาพ/เนื้อหา ภาพ (ไม่มี ไม่มี 3) uint8 เนื้อหาของภาพ
รูปภาพ/file_name เทนเซอร์ เชือก
รูปภาพ/ส่วนสูง เทนเซอร์ uint64
รูปภาพ/image_id เทนเซอร์ uint64
รูปภาพ/ความกว้าง เทนเซอร์ uint64
@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}
}