- বর্ণনা :
এতে ভিজ্যুয়াল ডোমেন ডেকাথলনে ব্যবহৃত 10টি ডেটাসেট রয়েছে, যা PASCAL ইন ডিটেইল ওয়ার্কশপ চ্যালেঞ্জ (CVPR 2017) এর অংশ। এই চ্যালেঞ্জের লক্ষ্য হল একই সাথে খুব ভিন্ন ভিজ্যুয়াল ডোমেনের প্রতিনিধি দশটি চিত্র শ্রেণীবিভাগ সমস্যা সমাধান করা।
এখানে অন্তর্ভুক্ত কিছু ডেটাসেট TFDS-এ পৃথক ডেটাসেট হিসাবেও উপলব্ধ। যাইহোক, লক্ষ্য করুন যে চিত্রগুলি ভিজ্যুয়াল ডোমেন ডেকাথলনের জন্য প্রিপ্রসেস করা হয়েছে (72 পিক্সেলের ছোট আকারের জন্য আইসোট্রপিক্যালি আকার পরিবর্তন করা হয়েছে) এবং বিভিন্ন ট্রেন/বৈধতা/পরীক্ষা বিভাজন থাকতে পারে। এখানে আমরা প্রতিযোগিতার জন্য অফিসিয়াল বিভাজন ব্যবহার করি।
সোর্স কোড :
tfds.image_classification.VisualDomainDecathlon
সংস্করণ :
-
1.2.0
(ডিফল্ট): কোনো রিলিজ নোট নেই।
-
তত্ত্বাবধান করা কী (দেখুন
as_supervised
doc ):('image', 'label')
উদ্ধৃতি :
@ONLINE{hakanbilensylvestrerebuffitomasjakab2017,
author = "Hakan Bilen, Sylvestre Rebuffi, Tomas Jakab",
title = "Visual Domain Decathlon",
year = "2017",
url = "https://www.robots.ox.ac.uk/~vgg/decathlon/"
}
visual_domain_decathlon/aircraft (ডিফল্ট কনফিগারেশন)
কনফিগারেশনের বিবরণ : "এয়ারক্রাফ্ট" এর উপর ভিত্তি করে ডেটা, যার আকার 72 পিক্সেলের ছোট করার জন্য চিত্রগুলি আইসোট্রপিক্যালি রিসাইজ করা হয়েছে৷
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
20.96 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | ৩,৩৩৩ |
'train' | ৩,৩৩৪ |
'validation' | ৩,৩৩৩ |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/cifar100
কনফিগারেশনের বিবরণ : "CIFAR-100"-এর উপর ভিত্তি করে ডেটা, যার আকার 72 পিক্সেলের ছোট করার জন্য চিত্রগুলিকে আইসোট্রপিক্যালি রিসাইজ করা হয়েছে।
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
119.43 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | 10,000 |
'train' | 40,000 |
'validation' | 10,000 |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/daimlerpedcls
কনফিগারেশনের বিবরণ : "ডেমলার পথচারী শ্রেণিবিন্যাস" এর উপর ভিত্তি করে ডেটা, যার আকার 72 পিক্সেলের ছোট করার জন্য চিত্রগুলিকে আইসোট্রপিক্যালি রিসাইজ করা হয়েছে।
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
68.35 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | 19,600 |
'train' | 23,520 |
'validation' | ৫,৮৮০ |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/dtd
কনফিগারের বিবরণ : "বর্ণনাযোগ্য টেক্সচার" এর উপর ভিত্তি করে ডেটা, যার সাথে চিত্রগুলি আইসোট্রপিক্যালি 72 পিক্সেলের ছোট আকারের আকারে পুনরায় আকার দেওয়া হয়েছে।
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
13.30 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | 1,880 |
'train' | 1,880 |
'validation' | 1,880 |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=47),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/gtsrb
কনফিগারেশনের বিবরণ : "জার্মান ট্র্যাফিক সাইনস" এর উপর ভিত্তি করে ডেটা, যার সাথে চিত্রগুলিকে আইসোট্রপিক্যালি আকারে 72 পিক্সেলের ছোট আকারের আকার দেওয়া হয়েছে৷
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
80.58 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | 12,630 |
'train' | 31,367 |
'validation' | 7,842 |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=43),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/imagenet12
কনফিগারেশনের বিবরণ : "ইমাজেনেট" এর উপর ভিত্তি করে ডেটা, যার আকার 72 পিক্সেলের ছোট করার জন্য চিত্রগুলিকে আইসোট্রপিক্যালি রিসাইজ করা হয়েছে।
ডাউনলোড সাইজ :
6.11 GiB
ডেটাসেটের আকার :
5.24 GiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | 48,238 |
'train' | 1,232,167 |
'validation' | 49,000 |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/omniglot
কনফিগারের বিবরণ : "অমনিগ্লট" এর উপর ভিত্তি করে ডেটা, যার আকার 72 পিক্সেলের ছোট করার জন্য চিত্রগুলিকে আইসোট্রপিক্যালি রিসাইজ করা হয়েছে।
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
41.46 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | 8,115 |
'train' | 17,853 |
'validation' | ৬,৪৯২ |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=1623),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/svhn
কনফিগারেশনের বিবরণ : "রাস্তার দৃশ্য হাউস নম্বর" এর উপর ভিত্তি করে ডেটা, যার আকার 72 পিক্সেলের ছোট আকারে আইসোট্রপিকভাবে চিত্রগুলিকে পুনরায় আকার দেওয়া হয়েছে৷
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
135.32 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | 26,032 |
'train' | 47,217 |
'validation' | 26,040 |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/ucf101
কনফিগারেশনের বিবরণ : "UCF101 ডায়নামিক ইমেজ" এর উপর ভিত্তি করে ডেটা, যার আকার 72 পিক্সেলের ছোট আকারের জন্য আইসোট্রপিক্যালি রিসাইজ করা হয়েছে।
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
19.73 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | ৩,৭৮৩ |
'train' | 7,585 |
'validation' | 1,952 |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=101),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
visual_domain_decathlon/vgg-flowers
কনফিগারেশনের বিবরণ : "ভিজিজি-ফ্লাওয়ারস" এর উপর ভিত্তি করে ডেটা, যার আকার 72 পিক্সেলের ছোট আকারে আইসোট্রপিকভাবে চিত্রগুলিকে পুনরায় আকার দেওয়া হয়েছে৷
ডাউনলোড সাইজ :
409.94 MiB
ডেটাসেটের আকার :
20.87 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | 6,149 |
'train' | 1,020 |
'validation' | 1,020 |
- বৈশিষ্ট্য গঠন :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=102),
'name': Text(shape=(), dtype=string),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
লেবেল | ক্লাসলেবেল | int64 | ||
নাম | পাঠ্য | স্ট্রিং |
- চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):