- 説明:
TAO データセットは、2,907 の高解像度ビデオと 833 のオブジェクト カテゴリで構成される大規模なビデオ オブジェクト検出データセットです。このデータセットを保存するには、少なくとも 300 GB の空き容量が必要であることに注意してください。
追加ドキュメント:コード付きの論文について調べる
ホームページ: https://taodataset.org/
ソースコード:
tfds.video.tao.Tao
バージョン:
-
1.0.0
(デフォルト): リリース ノートはありません。 -
1.1.0
: テスト分割を追加しました。
-
ダウンロードサイズ:
113.96 GiB
手動ダウンロード手順: このデータセットでは、ソース データを
download_config.manual_dir
に手動でダウンロードする必要があります (デフォルトは~/tensorflow_datasets/downloads/manual/
)。
一部の TAO ファイル (HVACS および AVA ビデオ) は、MOT へのログインが必要なため、手動でダウンロードする必要があります。 https://motchallenge.net/tao_download.phpの指示に従ってこれらのデータをダウンロードしてください。
このデータをダウンロードし、結果の .zip ファイルを ~/tensorflow_datasets/downloads/manual/ に移動します。
手動ダウンロードが必要なデータが存在しない場合はスキップされ、手動ダウンロードが不要なデータのみが使用されます。
自動キャッシュ(ドキュメント): いいえ
分割:
スプリット | 例 |
---|---|
'train' | 500 |
'validation' | 988 |
監視キー(
as_supervised
doc を参照):None
図( tfds.show_examples ): サポートされていません。
引用:
@article{Dave_2020,
title={TAO: A Large-Scale Benchmark for Tracking Any Object},
ISBN={9783030585587},
ISSN={1611-3349},
url={http://dx.doi.org/10.1007/978-3-030-58558-7_26},
DOI={10.1007/978-3-030-58558-7_26},
journal={Lecture Notes in Computer Science},
publisher={Springer International Publishing},
author={Dave, Achal and Khurana, Tarasha and Tokmakov, Pavel and Schmid, Cordelia and Ramanan, Deva},
year={2020},
pages={436-454}
}
tao/480_640 (デフォルト設定)
構成の説明: すべての画像は 480 X 640 にバイリニアにサイズ変更されます。
データセットのサイズ:
482.30 GiB
機能の構造:
FeaturesDict({
'metadata': FeaturesDict({
'dataset': string,
'height': int32,
'neg_category_ids': Tensor(shape=(None,), dtype=int32),
'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
'num_frames': int32,
'video_name': string,
'width': int32,
}),
'tracks': Sequence({
'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
'frames': Sequence(int32),
'is_crowd': bool,
'scale_category': string,
'track_id': int32,
}),
'video': Video(Image(shape=(480, 640, 3), dtype=uint8)),
})
- 機能ドキュメント:
特徴 | クラス | 形 | Dタイプ | 説明 |
---|---|---|---|---|
特徴辞書 | ||||
メタデータ | 特徴辞書 | |||
メタデータ/データセット | テンソル | 弦 | ||
メタデータ/高さ | テンソル | int32 | ||
メタデータ/neg_category_ids | テンソル | (なし、) | int32 | |
メタデータ/not_exhaustive_category_ids | テンソル | (なし、) | int32 | |
メタデータ/フレーム数 | テンソル | int32 | ||
メタデータ/ビデオ名 | テンソル | 弦 | ||
メタデータ/幅 | テンソル | int32 | ||
トラック | 順序 | |||
トラック/Bボックス | シーケンス(BBoxFeature) | (なし、4) | float32 | |
トラック/カテゴリー | クラスラベル | int64 | ||
トラック/フレーム | シーケンス(テンソル) | (なし、) | int32 | |
トラック/is_crowd | テンソル | ブール | ||
トラック/スケールカテゴリー | テンソル | 弦 | ||
トラック/track_id | テンソル | int32 | ||
ビデオ | 動画(画像) | (なし、480、640、3) | uint8 |
- 例( tfds.as_dataframe ):
タオ/フル解像度
構成の説明: データセットのフル解像度バージョン。
データセットのサイズ:
171.24 GiB
機能の構造:
FeaturesDict({
'metadata': FeaturesDict({
'dataset': string,
'height': int32,
'neg_category_ids': Tensor(shape=(None,), dtype=int32),
'not_exhaustive_category_ids': Tensor(shape=(None,), dtype=int32),
'num_frames': int32,
'video_name': string,
'width': int32,
}),
'tracks': Sequence({
'bboxes': Sequence(BBoxFeature(shape=(4,), dtype=float32)),
'category': ClassLabel(shape=(), dtype=int64, num_classes=363),
'frames': Sequence(int32),
'is_crowd': bool,
'scale_category': string,
'track_id': int32,
}),
'video': Video(Image(shape=(None, None, 3), dtype=uint8)),
})
- 機能ドキュメント:
特徴 | クラス | 形 | Dタイプ | 説明 |
---|---|---|---|---|
特徴辞書 | ||||
メタデータ | 特徴辞書 | |||
メタデータ/データセット | テンソル | 弦 | ||
メタデータ/高さ | テンソル | int32 | ||
メタデータ/neg_category_ids | テンソル | (なし、) | int32 | |
メタデータ/not_exhaustive_category_ids | テンソル | (なし、) | int32 | |
メタデータ/フレーム数 | テンソル | int32 | ||
メタデータ/ビデオ名 | テンソル | 弦 | ||
メタデータ/幅 | テンソル | int32 | ||
トラック | 順序 | |||
トラック/Bボックス | シーケンス(BBoxFeature) | (なし、4) | float32 | |
トラック/カテゴリー | クラスラベル | int64 | ||
トラック/フレーム | シーケンス(テンソル) | (なし、) | int32 | |
トラック/is_crowd | テンソル | ブール | ||
トラック/スケールカテゴリー | テンソル | 弦 | ||
トラック/track_id | テンソル | int32 | ||
ビデオ | 動画(画像) | (なし、なし、なし、3) | uint8 |
- 例( tfds.as_dataframe ):