caltech101

  • Descripción :

Caltech-101 consta de imágenes de objetos que pertenecen a 101 clases, más una clase background clutter . Cada imagen está etiquetada con un único objeto. Cada clase contiene aproximadamente entre 40 y 800 imágenes, con un total de alrededor de 9.000 imágenes. Las imágenes son de tamaños variables, con longitudes de borde típicas de 200 a 300 píxeles. Esta versión contiene etiquetas a nivel de imagen únicamente. El conjunto de datos original también contiene cuadros delimitadores.

Dividir Ejemplos
'test' 6.084
'train' 3.060
  • Estructura de características :
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/file_name': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=102),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
imagen Imagen (Ninguno, Ninguno, 3) uint8
imagen/nombre_archivo Texto cadena
etiqueta Etiqueta de clase int64

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},
}