pequeñonorb

• Descripción :

Esta base de datos está destinada a experimentos de reconocimiento de objetos 3D a partir de su forma. Contiene imágenes de 50 juguetes pertenecientes a 5 categorías genéricas: animales de cuatro patas, figuras humanas, aviones, camiones y coches. Los objetos fueron fotografiados por dos cámaras bajo 6 condiciones de iluminación, 9 elevaciones (30 a 70 grados cada 5 grados) y 18 acimutes (0 a 340 cada 20 grados).

El conjunto de entrenamiento se compone de 5 instancias de cada categoría (instancias 4, 6, 7, 8 y 9) y el conjunto de prueba de las 5 instancias restantes (instancias 0, 1, 2, 3 y 5).

• Documentación adicional : Explorar en artículos con código north_east

• Página de inicio : https://cs.nyu.edu/~ylclab/data/norb-v1.0-small/

• Código fuente : tfds.datasets.smallnorb.Builder

• Versiones :

  • 2.0.0 (predeterminado): Nueva API dividida ( https://tensorflow.org/datasets/splits )
  • 2.1.0 : Sin notas de versión.

• Tamaño de descarga : 250.60 MiB

• Tamaño del conjunto de datos : Unknown size

• Almacenamiento en caché automático ( documentación ): Desconocido

• Divisiones :

• Estructura de características :

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),
})

• Documentación de funciones :

• Claves supervisadas (Ver documento as_supervised ): ('image', 'label_category')

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Citación :

@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}
}