caltech101

  • Description:

Caltech-101 se compose d'images d'objets appartenant à 101 classes, plus un background clutter classe. Chaque image est étiquetée avec un seul objet. Chaque classe contient environ 40 à 800 images, pour un total d'environ 9 000 images. Les images sont de tailles variables, avec des longueurs de bord typiques de 200 à 300 pixels. Cette version contient uniquement des étiquettes au niveau de l'image. L'ensemble de données d'origine contient également des cadres de délimitation.

Diviser Exemples
'test' 6 084
'train' 3 060
  • Caractéristiques:
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),
})

Visualisation

  • citation:
@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},
}