smallnorb

• Descrizione :

Questo database è destinato agli esperimenti sul riconoscimento di oggetti 3D dalla forma. Contiene immagini di 50 giocattoli appartenenti a 5 categorie generiche: animali a quattro zampe, figure umane, aeroplani, camion e automobili. Gli oggetti sono stati ripresi da due telecamere in 6 condizioni di illuminazione, 9 elevazioni (da 30 a 70 gradi ogni 5 gradi) e 18 azimut (da 0 a 340 ogni 20 gradi).

Il set di training è composto da 5 istanze di ciascuna categoria (istanze 4, 6, 7, 8 e 9) e il set di test delle restanti 5 istanze (istanze 0, 1, 2, 3 e 5).

• Documentazione aggiuntiva : esplora documenti con codice north_east

• Pagina iniziale : https://cs.nyu.edu/~ylclab/data/norb-v1.0-small/

• Codice sorgente : tfds.datasets.smallnorb.Builder

• Versioni :

  • 2.0.0 (impostazione predefinita): nuova API divisa ( https://tensorflow.org/datasets/splits )
  • 2.1.0 : nessuna nota di rilascio.

• Dimensione download : 250.60 MiB

• Dimensioni del set di dati : Unknown size

• Memorizzato automaticamente nella cache ( documentazione ): sconosciuto

• Divide :

• Struttura delle caratteristiche :

FeaturesDict({
    'image': Image(shape=(96, 96, 1), dtype=uint8),
    'image2': Image(shape=(96, 96, 1), dtype=uint8),
    'instance': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'label_azimuth': ClassLabel(shape=(), dtype=int64, num_classes=18),
    'label_category': ClassLabel(shape=(), dtype=int64, num_classes=5),
    'label_elevation': ClassLabel(shape=(), dtype=int64, num_classes=9),
    'label_lighting': ClassLabel(shape=(), dtype=int64, num_classes=6),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi il documento as_supervised ): ('image', 'label_category')

• Figura ( tfds.show_examples ): non supportato.

• Esempi ( tfds.as_dataframe ):

• Citazione :

@article{LeCun2004LearningMF,
  title={Learning methods for generic object recognition with invariance to pose and lighting},
  author={Yann LeCun and Fu Jie Huang and L{\'e}on Bottou},
  journal={Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition},
  year={2004},
  volume={2},
  pages={II-104 Vol.2}
}