stanford_dogs

• Описание :

Набор данных Stanford Dogs содержит изображения 120 пород собак со всего мира. Этот набор данных был создан с использованием изображений и аннотаций из ImageNet для задачи детальной категоризации изображений. Есть 20 580 изображений, из которых 12 000 используются для обучения и 8580 для тестирования. Метки классов и аннотации ограничивающих рамок предусмотрены для всех 12 000 изображений.

• Дополнительная документация : изучить документы с кодом north_east

• Домашняя страница : http://vision.stanford.edu/aditya86/ImageNetDogs/main.html

• Исходный код : tfds.datasets.stanford_dogs.Builder

• Версии :

  • 0.2.0 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : 778.12 MiB

• Размер набора данных : 744.72 MiB .

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

• Структура функции :

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),
    }),
})

• Документация по функциям :

• Контролируемые ключи (см . документ as_supervised ): ('image', 'label')

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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"}