Ayuda a proteger la Gran Barrera de Coral con TensorFlow en Kaggle Únete Challenge

comida101

  • Descripción:

Este conjunto de datos consta de 101 categorías de alimentos, con 101 000 imágenes. Para cada clase, se proporcionan 250 imágenes de prueba revisadas manualmente, así como 750 imágenes de entrenamiento. A propósito, las imágenes de entrenamiento no se limpiaron y, por lo tanto, todavía contienen algo de ruido. Esto se presenta principalmente en forma de colores intensos y, a veces, etiquetas incorrectas. Todas las imágenes se cambiaron de escala para tener una longitud lateral máxima de 512 píxeles.

Separar Ejemplos de
'train' 75,750
'validation' 25,250
  • características:
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=101),
})

Visualización

  • Cita:
@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}
}