caltech101

• Descrizione :

Caltech-101 è costituito da immagini di oggetti appartenenti a 101 classi, più una classe background clutter . Ogni immagine è etichettata con un singolo oggetto. Ogni classe contiene da 40 a 800 immagini, per un totale di circa 9.000 immagini. Le immagini sono di dimensioni variabili, con lunghezze dei bordi tipiche di 200-300 pixel. Questa versione contiene solo etichette a livello di immagine. Il set di dati originale contiene anche riquadri di delimitazione.

• Documentazione aggiuntiva : esplora documenti con codice north_east

• Pagina iniziale : https://doi.org/10.22002/D1.20086

• Codice sorgente : tfds.datasets.caltech101.Builder

• Versioni :

  • 3.0.0 : nuova API divisa ( https://tensorflow.org/datasets/splits )
  • 3.0.1 : aggiornamento dell'URL del sito web
  • 3.0.2 (impostazione predefinita): scarica l'aggiornamento dell'URL

• Dimensione download : 131.05 MiB

• Dimensione del set di dati : 132.86 MiB

• Memorizzazione nella cache automatica ( documentazione ): sì

• Divide :

• Struttura delle caratteristiche :

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

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi il documento as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• Citazione :

@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},
}