shapes3d

• شرح :

3dshapes مجموعه داده ای از اشکال سه بعدی است که به صورت رویه ای از 6 عامل نهفته مستقل از حقیقت پایه ایجاد می شود. این عوامل عبارتند از رنگ کف , رنگ دیوار , رنگ شی , مقیاس , شکل و جهت .

تمام ترکیبات ممکن از این پنهان‌ها دقیقاً یک بار وجود دارند و تعداد کل تصاویر N = 480000 را ایجاد می‌کنند.

مقادیر عامل پنهان

• رنگ کف: 10 مقدار با فاصله خطی در [0، 1]
• رنگ دیوار: 10 مقدار با فاصله خطی در [0، 1]
• رنگ شی: 10 مقدار با فاصله خطی در [0، 1]
• مقیاس: 8 مقدار با فاصله خطی در [0، 1]
• شکل: 4 مقدار در [0، 1، 2، 3]
• جهت: 15 مقدار با فاصله خطی در [30-, 30]

ما هر بار یک نهفته را تغییر دادیم (شروع از جهت گیری، سپس شکل و غیره)، و به ترتیب تصاویر را به ترتیب ثابت در آرایه images ذخیره کردیم. مقادیر متناظر فاکتورها به همان ترتیب در آرایه labels ذخیره می شوند.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://github.com/deepmind/3d-shapes

• کد منبع : tfds.datasets.shapes3d.Builder

• نسخه ها :

  • 2.0.0 (پیش‌فرض): API تقسیم جدید ( https://tensorflow.org/datasets/splits )

• حجم دانلود : 255.18 MiB

• حجم مجموعه داده : 1.68 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'image': Image(shape=(64, 64, 3), dtype=uint8),
    'label_floor_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'label_object_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'label_orientation': ClassLabel(shape=(), dtype=int64, num_classes=15),
    'label_scale': ClassLabel(shape=(), dtype=int64, num_classes=8),
    'label_shape': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'label_wall_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'value_floor_hue': float32,
    'value_object_hue': float32,
    'value_orientation': float32,
    'value_scale': float32,
    'value_shape': float32,
    'value_wall_hue': float32,
})

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@misc{3dshapes18,
  title={3D Shapes Dataset},
  author={Burgess, Chris and Kim, Hyunjik},
  howpublished={https://github.com/deepmind/3dshapes-dataset/},
  year={2018}
}