- विवरण :
यह डेटाबेस आकार से 3डी ऑब्जेक्ट पहचान में प्रयोगों के लिए है। इसमें 5 सामान्य श्रेणियों से संबंधित 50 खिलौनों की छवियां शामिल हैं: चार पैर वाले जानवर, मानव आकृतियां, हवाई जहाज, ट्रक और कारें। वस्तुओं को दो कैमरों द्वारा 6 प्रकाश स्थितियों, 9 उन्नयन (हर 5 डिग्री पर 30 से 70 डिग्री), और 18 अज़ीमुथ (हर 20 डिग्री पर 0 से 340) के तहत चित्रित किया गया था।
प्रशिक्षण सेट प्रत्येक श्रेणी के 5 उदाहरणों (उदाहरण 4, 6, 7, 8 और 9) से बना है, और शेष 5 उदाहरणों (उदाहरण 0, 1, 2, 3, और 5) के परीक्षण सेट से बना है।
स्रोत कोड :
tfds.datasets.smallnorb.Builder
संस्करण :
-
2.0.0
(डिफ़ॉल्ट): नया स्प्लिट एपीआई ( https://tensorflow.org/datasets/splits ) -
2.1.0
: कोई रिलीज़ नोट नहीं।
-
डाउनलोड आकार :
250.60 MiB
डेटासेट आकार :
Unknown size
ऑटो-कैश्ड ( दस्तावेज़ीकरण ): अज्ञात
विभाजन :
विभाजित करना | उदाहरण |
---|---|
'test' | 24,300 |
'train' | 24,300 |
- फ़ीचर संरचना :
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),
})
- फ़ीचर दस्तावेज़ीकरण :
विशेषता | कक्षा | आकार | डीप्रकार | विवरण |
---|---|---|---|---|
फीचर्सडिक्ट | ||||
छवि | छवि | (96, 96, 1) | uint8 | |
छवि2 | छवि | (96, 96, 1) | uint8 | |
उदाहरण | क्लास लेबल | int64 | ||
लेबल_एज़िमुथ | क्लास लेबल | int64 | ||
लेबल_श्रेणी | क्लास लेबल | int64 | ||
लेबल_ऊंचाई | क्लास लेबल | int64 | ||
लेबल_लाइटिंग | क्लास लेबल | int64 |
पर्यवेक्षित कुंजियाँ (
as_supervised
doc देखें):('image', 'label_category')
चित्र ( tfds.show_examples ): समर्थित नहीं है।
उदाहरण ( tfds.as_dataframe ):
- उद्धरण :
@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}
}