Смоллнорб

• Описание :

Эта база данных предназначена для экспериментов по распознаванию 3D-объектов по форме. Он содержит изображения 50 игрушек, относящихся к 5 общим категориям: четвероногие животные, фигурки людей, самолеты, грузовики и автомобили. Объекты снимались двумя камерами при 6 условиях освещения, 9 углах возвышения (от 30 до 70 градусов каждые 5 градусов) и 18 азимутах (от 0 до 340 каждые 20 градусов).

Обучающий набор состоит из 5 экземпляров каждой категории (экземпляры 4, 6, 7, 8 и 9) и тестового набора из оставшихся 5 экземпляров (экземпляры 0, 1, 2, 3 и 5).

• Дополнительная документация : Изучите статьи с кодом north_east

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

• Исходный код : tfds.datasets.smallnorb.Builder

• Версии :

  • 2.0.0 (по умолчанию): новый API разделения ( https://tensorflow.org/datasets/splits )
  • 2.1.0 : Нет примечаний к выпуску.

• Размер загрузки : 250.60 MiB

• Размер набора данных : Unknown size

• Автокэширование ( документация ): неизвестно.

• Расколы :

• Структура функции :

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),
})

• Функциональная документация :

• Контролируемые ключи (см. документ as_supervised ): ('image', 'label_category')

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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}
}