遇见数据集

sh-zheng/SurfaceRoughness

收藏
Hugging Face2023-11-29 更新2024-03-04 收录
官方服务:

资源简介:

--- dataset_info: features: - name: image dtype: image - name: label dtype: class_label: names: '0': RoughnessB '1': RoughnessC '2': RoughnessD splits: - name: train num_bytes: 49679719.0 num_examples: 66 - name: validation num_bytes: 17272712.0 num_examples: 9 - name: test num_bytes: 24382239.0 num_examples: 15 download_size: 91342507 dataset_size: 91334670.0 --- # Dataset Card for "SurfaceRoughness" ### Dataset Summary A collection of data representing surface roughness categories of B, C, and D according to ASCE 7-16 26.7.2 ### Data Structure An example looks like below: ```python {'image': <PIL.PngImagePlugin.PngImageFile image mode=RGBA size=1041x639>, 'label': 0,} ``` ### Data Split | |train |validation | test | |-------------|------:|---------:|------:| |# of examples|66 |15 |9 |

--- ## 数据集信息 特征: - 名称:图像(image),数据类型:图像(image) - 名称:标签(label),数据类型: 类别标签(class_label): 类别名称: '0': 粗糙度B(RoughnessB) '1': 粗糙度C(RoughnessC) '2': 粗糙度D(RoughnessD) 数据划分: - 名称:训练集(train),字节数:49679719.0,样本数:66 - 名称:验证集(validation),字节数:17272712.0,样本数:9 - 名称:测试集(test),字节数:24382239.0,样本数:15 下载大小:91342507 数据集总大小:91334670.0 --- ## “SurfaceRoughness”数据集卡片 ### 数据集概述 本数据集收录了依据美国土木工程师协会(ASCE)7-16标准第26.7.2条定义的B、C、D三类表面粗糙度(Surface Roughness)相关数据。 ### 数据结构 单条数据样例如下: python {'图像(image)': <Python图像处理库(PIL)PNG图像插件PngImagePlugin生成的图像对象,模式为RGBA,尺寸1041×639>, '标签(label)': 0,} ### 数据划分 | | 训练集(train) | 验证集(validation) | 测试集(test) | |:-----------|------:|-------:|------:| | 样本数量 | 66 | 15 | 9 |

提供机构:
sh-zheng
原始信息汇总

数据集卡片 "SurfaceRoughness"

数据集概述

该数据集包含根据ASCE 7-16 26.7.2标准划分的B、C和D类表面粗糙度类别的数据。

数据结构

每个样本包含以下特征:

  • image: 图像数据,数据类型为图像。
  • label: 标签数据,数据类型为类别标签,包含以下类别:
    • 0: RoughnessB
    • 1: RoughnessC
    • 2: RoughnessD

数据分割

数据集分为以下几个部分:

  • train: 训练集,包含66个样本,大小为49679719.0字节。
  • validation: 验证集,包含9个样本,大小为17272712.0字节。
  • test: 测试集,包含15个样本,大小为24382239.0字节。

数据集大小

  • 下载大小: 91342507字节
  • 数据集大小: 91334670.0字节
搜集汇总
数据集介绍
sh-zheng/SurfaceRoughness 数据集图片
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务