PERDU ET TROUVÉ

• Description :

L'ensemble de données LostAndFound résout le problème de la détection de petits obstacles inattendus sur la route, souvent causés par la perte de marchandises. L'ensemble de données comprend 112 séquences vidéo stéréo avec 2 104 images annotées (en sélectionnant environ une image sur dix à partir des données enregistrées).

L'ensemble de données est conçu de manière analogue à l'ensemble de données « Cityscapes ». L'ensemble de données fournit : - des paires d'images stéréo dans une résolution couleur de 8 ou 16 bits - des cartes de disparité précalculées - des étiquettes sémantiques grossières pour les objets et les rues.

Les descriptions des étiquettes sont données ici : http://www.6d-vision.com/laf_table.pdf

• Documentation supplémentaire : Explorer sur les articles avec le code north_east

• Page d'accueil : http://www.6d-vision.com/lostandfounddataset

• Code source : tfds.datasets.lost_and_found.Builder

• Versions :

  • 1.0.0 (par défaut) : Aucune note de version.

• Mise en cache automatique ( documentation ) : Non

• Divisions :

• Clés supervisées (Voir doc as_supervised ) : None

• Figure ( tfds.show_examples ) : non pris en charge.

• Citation :

@inproceedings{pinggera2016lost,
  title={Lost and found: detecting small road hazards for self-driving vehicles},
  author={Pinggera, Peter and Ramos, Sebastian and Gehrig, Stefan and Franke, Uwe and Rother, Carsten and Mester, Rudolf},
  booktitle={2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  year={2016}
}

Lost_and_found/semantic_segmentation (configuration par défaut)

• Description de la configuration : ensemble de données de segmentation sémantique Lost and Found.

• Taille du téléchargement : 5.44 GiB

• Taille du jeu de données : 5.42 GiB

• Structure des fonctionnalités :

FeaturesDict({
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})

• Documentation des fonctionnalités :

• Exemples ( tfds.as_dataframe ) :

perdu_et_fondé/stereo_disparity

• Description de la configuration : Images stéréo des objets perdus et trouvés et cartes de disparité.

• Taille du téléchargement : 12.16 GiB

• Taille de l'ensemble de données : 12.22 GiB

• Structure des fonctionnalités :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
})

• Documentation des fonctionnalités :

• Exemples ( tfds.as_dataframe ) :

perdu_et_fondé/complet

• Description de la configuration : ensemble de données complet des objets perdus et trouvés.

• Taille du téléchargement : 12.19 GiB

• Taille de l'ensemble de données : 12.25 GiB

• Structure des fonctionnalités :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
    'instance_id': Image(shape=(1024, 2048, 1), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})

• Documentation des fonctionnalités :

• Exemples ( tfds.as_dataframe ) :

perdu_et_fondé/full_16bit

• Description de la configuration : ensemble de données complet des objets perdus et trouvés.

• Taille du téléchargement : 34.90 GiB

• Taille du jeu de données : 35.05 GiB

• Structure des fonctionnalités :

FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
    'image_id': Text(shape=(), dtype=string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
    'instance_id': Image(shape=(1024, 2048, 1), dtype=uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})

• Documentation des fonctionnalités :

• Exemples ( tfds.as_dataframe ) :