امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

101

  • توضیحات :

Caltech-101 شامل تصاویری از اشیا belonging متعلق به 101 کلاس به علاوه یک کلاس background clutter . هر تصویر با یک شی برچسب گذاری شده است. هر کلاس شامل تقریباً 40 تا 800 تصویر است که مجموعاً حدود 9k تصویر است. تصاویر در اندازه های متغیر ، با طول لبه های معمول 200-300 پیکسل هستند. این نسخه فقط حاوی برچسب های سطح تصویر است. مجموعه داده اصلی نیز شامل جعبه های محدود کننده است.

شکاف مثال ها
'test' 6،084
'train' 3،060
  • ویژگی ها :
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),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('image', 'label')

  • نقل قول :

@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},
}

تجسم