• Sự miêu tả :

Tải xuống SA-1B

Segment Anything 1 Billion (SA-1B) là tập dữ liệu được thiết kế để đào tạo các mô hình phân đoạn đối tượng có mục đích chung từ các hình ảnh thế giới mở. Bộ dữ liệu đã được giới thiệu trong bài báo "Segment Anything" .

Bộ dữ liệu SA-1B bao gồm 11M hình ảnh đa dạng, độ phân giải cao, được cấp phép và bảo vệ quyền riêng tư cũng như chú thích mặt nạ 1.1B. Mặt nạ được cung cấp ở định dạng mã hóa độ dài chạy COCO (RLE) và không có lớp.

Giấy phép là tùy chỉnh. Vui lòng đọc toàn bộ điều khoản và điều kiện trên https://ai.facebook.com/datasets/segment-anything-downloads

Tất cả các tính năng đều có trong tập dữ liệu gốc ngoại trừ image.content (nội dung của hình ảnh).

Bạn có thể giải mã mặt nạ phân đoạn bằng:

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
    ...

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

• Mã nguồn : tfds.datasets.segment_anything.Builder

• Phiên bản :

  • 1.0.0 (mặc định): Bản phát hành đầu tiên.

• Kích thước tải xuống : 10.28 TiB

• Kích thước tập dữ liệu : 10.59 TiB

• Hướng dẫn tải xuống thủ công : Tập dữ liệu này yêu cầu bạn tải xuống dữ liệu nguồn theo cách thủ công vào download_config.manual_dir (mặc định là ~/tensorflow_datasets/downloads/manual/ ):
  Tải xuống tệp liên kết từ https://ai.facebook.com/datasets/segment-anything-downloads manual_dir phải chứa tệp liên kết được lưu dưới dạng Segment_anything_links.txt.

• Tự động lưu vào bộ nhớ đệm ( tài liệu ): Không

• Chia tách :

• Cấu trúc tính năng :

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,
    }),
})

• Tài liệu tính năng :

• Khóa được giám sát (Xem as_supervised doc ): None

• Hình ( tfds.show_examples ): Không được hỗ trợ.

• Ví dụ ( tfds.as_dataframe ): Thiếu.

• Trích dẫn :

@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}
}