caltech101

• Opis :

Caltech-101 składa się ze zdjęć obiektów należących do 101 klas oraz jednej klasy background clutter tle. Każdy obraz jest oznaczony pojedynczym obiektem. Każda klasa zawiera około 40 do 800 obrazów, co daje łącznie około 9 tys. obrazów. Obrazy mają różne rozmiary, a typowa długość krawędzi wynosi 200–300 pikseli. Ta wersja zawiera tylko etykiety na poziomie obrazu. Oryginalny zestaw danych zawiera również ramki ograniczające.

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

• Strona główna : https://doi.org/10.22002/D1.20086

• Kod źródłowy : tfds.datasets.caltech101.Builder

• Wersje :

  • 3.0.0 : Nowe podzielone API ( https://tensorflow.org/datasets/splits )
  • 3.0.1 : Aktualizacja adresu URL witryny
  • 3.0.2 (domyślnie): Pobierz aktualizację adresu URL

• Rozmiar pobierania : 131.05 MiB

• Rozmiar zbioru danych : 132.86 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/file_name': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=102),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@article{FeiFei2004LearningGV,
  title={Learning Generative Visual Models from Few Training Examples: An Incremental Bayesian Approach Tested on 101 Object Categories},
  author={Li Fei-Fei and Rob Fergus and Pietro Perona},
  journal={Computer Vision and Pattern Recognition Workshop},
  year={2004},
}