ID persistente del dataset
|
doi:10.21950/GWO9RA |
Fecha de publicación
|
2024-09-27 |
Título
| Subset of Quick, Draw! dataset for neural network pre-training / Subconjunto del conjunto de datos Quick, Draw! para pre-entrenamiento de redes neuronales |
Autor
| Juan Guerrero Martín (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0002-9214-6941
Alba Gómez-Valadés Batanero (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0001-6855-1042
Estela Díaz López (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0001-6448-7741
Margarita Bachiller Mayoral (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0001-9122-0858
José Manuel Cuadra Troncoso (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0003-3616-0404
Rafael Martínez Tomás (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0003-4706-7168
Sara García Herranz (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0002-4593-0776
María del Carmen Díaz Mardomingo (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0002-0633-3944
Herminia Peraita Adrados (Universidad Nacional de Educación a Distancia (UNED))
Mariano Rincón Zamorano (Universidad Nacional de Educación a Distancia (UNED)) - ORCID: 0000-0002-0138-4662 |
Contacto
|
Utilice el botón de e-mail de arriba para contactar.
Mariano Rincón Zamorano (Universidad Nacional de Educación a Distancia (UNED)) |
Descripción
| Description of the project This dataset is the result of the research carried out in the project "A Benchmark for Rey-Osterrieth Complex Figure (ROCF) Test Automatic Scoring", whose main goal was to establish a baseline for the scoring task consisting of: a dataset with 528 ROCF and results obtained by several deep learning models, as well as, by a group of psychology experts.
Description of the dataset This dataset contains a folder with 414000 drawings from Quick, Draw! dataset.
Methodology The methodology used to collect the data consists of 4 steps:
- Step 1. Downloading the Quick, Draw! images in binary format.
- Step 2. Selection of 1200 images for each of the 345 classes (414000 elements in total).
- Step 3. The image size is 256x256 and they are converted from vector format into pixel format.
- Step 4. The 414000 images are divided into three sets: training (289800 elements), validation (62100 elements) and test (62100 elements).
Descripción del proyecto El contenido de este dataset es resultado de la investigación llevada a cabo en el proyecto "Banco de Pruebas para la Puntuación Automática del Test de la Figura Compleja de Rey-Osterrieth (FCRO)", cuyo objetivo principal era el de establecer una línea base para dicha tarea que incluye: un dataset con 528 FCRO y resultados obtenidos por varios modelos de aprendizaje profundo, así como, por varios profesionales de la psicología.
Descripción del dataset Este dataset contiene una carpeta con 414000 dibujos del conjunto de datos Quick, Draw!
Metolodogía La metodología empleada para la obtención de los datos incluye 4 etapas:
- Etapa 1. Descarga de las imágenes de Quick, Draw! en formato binario.
- Etapa 2. Selección de 1200 imágenes por cada una de las 345 clases (414000 elementos en total).
- Etapa 3. El tamaño de las imágenes es de 256x256 y son transformadas de formato vectorial a formato de píxel.
- Etapa 4. Las 414000 imágenes son divididas en tres conjuntos: entrenamiento (289800 elementos), validación (62100 elementos) y test (62100 elementos).
|
Materia
| Ciencias médicas, de la salud y de la vida |
Palabra clave
| Quick Draw! dataset
neural network training
deep learning
conjunto de datos QuickDraw
entrenamiento de redes neuronales
aprendizaje profundo |
Publicación relacionada
| Guerrero-Martín, J., Díaz-Mardomingo, M. C., García-Herranz, S., Martínez-Tomás, R., Rincón-Zamorano, M. (2024). A benchmark for Rey-Osterrieth Complex Figure Test automatic scoring. Heliyon (preprint). doi: 10.2139/ssrn.4839237 https://dx.doi.org/10.2139/ssrn.4839237
Ha, D., Eck, D. (2017). A neural representation of sketch drawings. arXiv preprint. arXiv: 1704.03477 |
Depositante
| Admin, Dataverse |
Fecha de depósito
| 2024-09-26 |
Software
| rocf_automatic_scoring: https://github.com/SIMDA-UNED/rocf_automatic_scoring |
Datasets relacionados
| Juan Guerrero Martín; Alba Gómez-Valadés Batanero; Estela Díaz López; Margarita Bachiller Mayoral; José Manuel Cuadra Troncoso; Rafael Martínez Tomás; Sara García Herranz; María del Carmen Díaz Mardomingo; Herminia Peraita Adrados; Mariano Rincón Zamorano, 2024, "Rey-Osterrieth Complex Figure dataset (grayscale images) / Conjunto de datos de figuras complejas de Rey-Osterrieth (imágenes en escala de grises)", https://doi.org/10.21950/AFZIXE, e-cienciaDatos; Juan Guerrero Martín; Alba Gómez-Valadés Batanero; Estela Díaz López; Margarita Bachiller Mayoral; José Manuel Cuadra Troncoso; Rafael Martínez Tomás; Sara García Herranz; María del Carmen Díaz Mardomingo; Herminia Peraita Adrados; Mariano Rincón Zamorano, 2024, "Rey-Osterrieth Complex Figure dataset (binary images) / Conjunto de datos de figuras complejas de Rey-Osterrieth (imágenes binarias)", https://doi.org/10.21950/OODYTG, e-cienciaDatos |