sole397

• Descrizione :

Il database contiene 108.753 immagini di 397 categorie, utilizzate nel benchmark Scene UNderstanding (SUN). Il numero di immagini varia a seconda delle categorie, ma sono presenti almeno 100 immagini per categoria.

Diverse configurazioni del set di dati sono rese disponibili tramite TFDS:

• Una partizione personalizzata (casuale) dell'intero set di dati con 76.128 immagini di addestramento, 10.875 immagini di convalida e 21.750 immagini di test. Le immagini sono state ridimensionate per avere un massimo di 120.000 pixel e codificate come JPEG con qualità 72.

• "standard-part1-120k", "standard-part2-120k", ..., "standard-part10-120k": ciascuna delle 10 partizioni ufficiali di treno/test con 50 immagini per classe in ciascuna divisione. Le immagini sono state ridimensionate per avere un massimo di 120.000 pixel e codificate come JPEG con qualità 72.

• Documentazione aggiuntiva : esplora documenti con codice north_east

• Pagina iniziale : https://vision.princeton.edu/projects/2010/SUN/

• Codice sorgente : tfds.datasets.sun397.Builder

• Versioni :

  • 4.0.0 (impostazione predefinita): nessuna nota di rilascio.

• Dimensione download : 36.41 GiB

• Dimensioni del set di dati : Unknown size

• Memorizzato automaticamente nella cache ( documentazione ): sconosciuto

• Struttura delle caratteristiche :

FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=397),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi il documento as_supervised ): None

• Citazione :

@INPROCEEDINGS{Xiao:2010,
author={J. {Xiao} and J. {Hays} and K. A. {Ehinger} and A. {Oliva} and A. {Torralba} },
booktitle={2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition},
title={SUN database: Large-scale scene recognition from abbey to zoo},
year={2010},
volume={},
number={},
pages={3485-3492},
keywords={computer vision;human factors;image classification;object recognition;visual databases;SUN database;large-scale scene recognition;abbey;zoo;scene categorization;computer vision;scene understanding research;scene category;object categorization;scene understanding database;state-of-the-art algorithms;human scene classification performance;finer-grained scene representation;Sun;Large-scale systems;Layout;Humans;Image databases;Computer vision;Anthropometry;Bridges;Legged locomotion;Spatial databases},
doi={10.1109/CVPR.2010.5539970},
ISSN={1063-6919},
month={June},}

sun397/tfds (configurazione predefinita)

• Descrizione della configurazione : partizione TFDS con suddivisioni casuali di treno/convalida/test con rispettivamente il 70%/10%/20% delle immagini. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e vengono compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard1-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 1. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard2-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 2. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard3-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 3. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard4-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 4. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard5-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 5. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard6-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 6. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard7-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 7. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard8-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 8. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard9-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 9. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

sun397/parte-standard10-120k

• Descrizione della configurazione : addestra e testa le divisioni dalla partizione ufficiale numero 10. Le immagini vengono ridimensionate per avere un massimo di 120.000 pixel e compresse con qualità JPEG 72.

• Divide :

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):