jedzenie101

  • opis :

Ten zbiór danych składa się ze 101 kategorii żywności i zawiera 101 000 obrazów. Dla każdej klasy dostępnych jest 250 ręcznie przeglądanych obrazów testowych oraz 750 obrazów szkoleniowych. Celowo obrazy treningowe nie zostały oczyszczone, przez co nadal zawierają trochę szumu. Dzieje się tak głównie w postaci intensywnych kolorów, a czasem niewłaściwych etykiet. Wszystkie obrazy zostały przeskalowane, aby miały maksymalną długość boku 512 pikseli.

Rozdzielać Przykłady
'train' 75750
'validation' 25250
  • Struktura funkcji :
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=101),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
obraz Obraz (Brak, Brak, 3) uint8
etykieta Etykieta klasy int64

Wyobrażanie sobie

  • Cytat :
@inproceedings{bossard14,
  title = {Food-101 -- Mining Discriminative Components with Random Forests},
  author = {Bossard, Lukas and Guillaumin, Matthieu and Van Gool, Luc},
  booktitle = {European Conference on Computer Vision},
  year = {2014}
}