nyu_depth_v2

• Descriptif :

L'ensemble de données NYU-Depth V2 est composé de séquences vidéo d'une variété de scènes d'intérieur enregistrées par les caméras RVB et Depth de Microsoft Kinect.

• Documentation complémentaire : Explorer sur Papers With Code north_east

• Page d' accueil : https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html

• Code source : tfds.datasets.nyu_depth_v2.Builder

• Versions :

  • 0.0.1 (par défaut) : aucune note de version.

• Taille du téléchargement : 31.92 GiB

• Taille du jeu de données : 74.03 GiB

• Mise en cache automatique ( documentation ): Non

• Fractionnements :

• Structure des fonctionnalités :

FeaturesDict({
    'depth': Tensor(shape=(480, 640), dtype=float16),
    'image': Image(shape=(480, 640, 3), dtype=uint8),
})

• Documentation des fonctionnalités :

• Touches supervisées (Voir doc as_supervised ): ('image', 'depth')

• Figure ( tfds.show_examples ):

• Exemples ( tfds.as_dataframe ):

• Citation :

@inproceedings{Silberman:ECCV12,
  author    = {Nathan Silberman, Derek Hoiem, Pushmeet Kohli and Rob Fergus},
  title     = {Indoor Segmentation and Support Inference from RGBD Images},
  booktitle = {ECCV},
  year      = {2012}
}
@inproceedings{icra_2019_fastdepth,
  author    = {Wofk, Diana and Ma, Fangchang and Yang, Tien-Ju and Karaman, Sertac and Sze, Vivienne},
  title     = {FastDepth: Fast Monocular Depth Estimation on Embedded Systems},
  booktitle = {IEEE International Conference on Robotics and Automation (ICRA)},
  year      = {2019}
}