Ayuda a proteger la Gran Barrera de Coral con TensorFlow en Kaggle Únete Challenge

caltech101

  • Descripción:

Caltech-101 se compone de imágenes de objetos que pertenecen a las clases 101, además de un background clutter de clase. Cada imagen está etiquetada con un solo objeto. Cada clase contiene aproximadamente de 40 a 800 imágenes, con un total de alrededor de 9k imágenes. Las imágenes son de tamaños variables, con longitudes de borde típicas de 200 a 300 píxeles. Esta versión solo contiene etiquetas a nivel de imagen. El conjunto de datos original también contiene cuadros delimitadores.

Separar Ejemplos de
'test' 6.084
'train' 3,060
  • características:
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'image/file_name': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=102),
})

Visualización

  • Cita:
@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},
}