stanford_dogs

• Descrizione :

Il set di dati Stanford Dogs contiene immagini di 120 razze di cani provenienti da tutto il mondo. Questo set di dati è stato creato utilizzando immagini e annotazioni di ImageNet per l'attività di categorizzazione delle immagini a grana fine. Sono disponibili 20.580 immagini, di cui 12.000 utilizzate per l'addestramento e 8580 per i test. Le etichette di classe e le annotazioni del riquadro di delimitazione sono fornite per tutte le 12.000 immagini.

• Documentazione aggiuntiva : Esplora documenti con codice north_east

• Pagina iniziale : http://vision.stanford.edu/aditya86/ImageNetDogs/main.html

• Codice sorgente : tfds.datasets.stanford_dogs.Builder

• Versioni :

  • 0.2.0 (impostazione predefinita): nessuna nota di rilascio.

• Dimensione del download : 778.12 MiB

• Dimensione del set di dati: 744.72 MiB

• Cache automatica ( documentazione ): No

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=120),
    'objects': Sequence({
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
    }),
})

• Documentazione delle funzionalità :

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

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• Citazione :

@inproceedings{KhoslaYaoJayadevaprakashFeiFei_FGVC2011,
author = "Aditya Khosla and Nityananda Jayadevaprakash and Bangpeng Yao and
          Li Fei-Fei",
title = "Novel Dataset for Fine-Grained Image Categorization",
booktitle = "First Workshop on Fine-Grained Visual Categorization,
             IEEE Conference on Computer Vision and Pattern Recognition",
year = "2011",
month = "June",
address = "Colorado Springs, CO",
}
@inproceedings{imagenet_cvpr09,
        AUTHOR = {Deng, J. and Dong, W. and Socher, R. and Li, L.-J. and
                  Li, K. and Fei-Fei, L.},
        TITLE = { {ImageNet: A Large-Scale Hierarchical Image Database} },
        BOOKTITLE = {CVPR09},
        YEAR = {2009},
        BIBSOURCE = "http://www.image-net.org/papers/imagenet_cvpr09.bib"}