【亲测免费】 Quick Draw 数据集使用教程

1、项目介绍

Quick Draw 数据集是由 Google Creative Lab 开发的一个开源项目，包含了超过 5000 万幅由玩家在游戏 Quick Draw 中绘制的图画。这些图画涵盖了 345 个不同的类别，如动物、日常用品等。每幅图画都被标记为时间戳向量，并附带了元数据，包括玩家被要求绘制的类别以及玩家所在的国家。

该数据集旨在为开发者、研究人员和艺术家提供一个丰富的资源，用于探索、研究和学习。你可以通过访问 quickdraw.withgoogle.com/data 浏览这些被识别的图画。

2、项目快速启动

2.1 下载数据集

你可以通过 Google Cloud Storage 下载 Quick Draw 数据集。以下是下载简化图画的命令示例：

gsutil -m cp 'gs://quickdraw_dataset/full/simplified/*' .

2.2 加载数据集

以下是一个使用 Python 加载简化图画的示例代码：

import numpy as np

# 加载简化图画的 numpy 文件
data = np.load('path_to_simplified_drawing.npy')

# 查看数据
print(data.shape)  # 输出数据的形状
print(data[0])     # 输出第一个图画的数据

2.3 解析数据集

以下是一个使用 Python 解析简化图画的示例代码：

import json

# 读取简化图画的 ndjson 文件
with open('path_to_simplified_drawing.ndjson', 'r') as f:
    for line in f:
        drawing = json.loads(line)
        print(drawing)  # 输出每一行的图画数据

3、应用案例和最佳实践

3.1 创意和艺术项目

• Letter collages by Deborah Schmidt: 使用 Quick Draw 数据集创建字母拼贴画。
• Faces of Humanity by Tortue Infinite: 通过数据集中的面部图画创建人类面孔的集合。

3.2 数据分析

• How do you draw a circle? by Quartz: 分析玩家如何绘制圆形。
• Forma Fluens by Mauro Martino, Hendrik Strobelt, and Owen Cornec: 通过数据集探索形状的流动。

3.3 机器学习

• Sketch-RNN QuickDraw Dataset: 使用数据集训练 Sketch-RNN 模型，用于生成和识别手绘图画。
• A Neural Representation of Sketch Drawings by David Ha, Douglas Eck: 通过深度学习模型表示手绘图画。

4、典型生态项目

4.1 Sketch-RNN

Sketch-RNN 是一个开源的 TensorFlow 实现，用于训练和生成手绘图画。你可以通过访问 Magenta Project 了解更多信息。

4.2 Facets Dive x Quick Draw

Facets Dive 是一个用于探索和可视化大规模数据集的工具，结合 Quick Draw 数据集，可以创建交互式的数据可视化。

4.3 Deep Learning for Free-Hand Sketch

这是一个关于手绘图画的深度学习调查，涵盖了多个使用 Quick Draw 数据集的研究和应用。

通过以上教程，你可以快速上手并深入了解 Quick Draw 数据集的使用和应用。希望这些内容能帮助你更好地利用这一丰富的开源资源。