wake_vision

  • Descrição :

Wake Vision é um conjunto de dados grande e de alta qualidade com mais de 6 milhões de imagens, excedendo significativamente a escala e a diversidade dos conjuntos de dados tinyML atuais (100x). Este conjunto de dados inclui imagens com anotações sobre se cada imagem contém uma pessoa. Além disso, ele incorpora uma referência abrangente e refinada para avaliar a imparcialidade e a robustez, abrangendo gênero percebido, idade percebida, distância do assunto, condições de iluminação e representações. Os rótulos Wake Vision são derivados de anotações da Open Image licenciadas pela Google LLC sob a licença CC BY 4.0. As imagens estão listadas como tendo uma licença CC BY 2.0. Nota da Open Images: "embora tenhamos tentado identificar imagens licenciadas sob uma licença Creative Commons Attribution, não fazemos representações ou garantias em relação ao status da licença de cada imagem e você mesmo deve verificar a licença de cada imagem."

Dividir Exemplos
'test' 55.763
'train_large' 5.760.428
'train_quality' 1.248.230
'validation' 18.582
  • Estrutura de recursos : 
FeaturesDict({
    'age_unknown': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'body_part': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'bright': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'dark': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'depiction': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'far': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'filename': Text(shape=(), dtype=string),
    'gender_unknown': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'medium_distance': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'middle_age': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'near': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'non-person_depiction': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'non-person_non-depiction': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'normal_lighting': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'older': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'person': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'person_depiction': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'predominantly_female': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'predominantly_male': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'young': ClassLabel(shape=(), dtype=int64, num_classes=2),
})
  • Documentação de recursos :
Recurso Aula Forma Tipo D Descrição
RecursosDict
idade_desconhecida ClassLabel int64
parte_corpo ClassLabel int64
brilhante ClassLabel int64
escuro ClassLabel int64
representação ClassLabel int64
distante ClassLabel int64
nome do arquivo Texto corda
gênero_desconhecido ClassLabel int64
imagem Imagem (Nenhum, Nenhum, 3) uint8
distância_média ClassLabel int64
meia-idade ClassLabel int64
aproximar ClassLabel int64
representação_não-pessoal ClassLabel int64
não-pessoa_não-descrição ClassLabel int64
iluminação_normal ClassLabel int64
mais velho ClassLabel int64
pessoa ClassLabel int64
representação_pessoa ClassLabel int64
predominantemente_feminino ClassLabel int64
predominantemente_masculino ClassLabel int64
jovem ClassLabel int64

Visualização

  • Citação : 
@article{banbury2024wake,
  title={Wake Vision: A Large-scale, Diverse Dataset and Benchmark Suite for TinyML Person Detection},
  author={Banbury, Colby and Njor, Emil and Stewart, Matthew and Warden, Pete and Kudlur, Manjunath and Jeffries, Nat and Fafoutis, Xenofon and Reddi, Vijay Janapa},
  journal={arXiv preprint arXiv:2405.00892},
  year={2024}
}