- شرح :
Caltech-101 شامل تصاویری از اشیاء متعلق به 101 کلاس، به علاوه یک کلاس background clutter
است. هر تصویر با یک شی برچسب گذاری شده است. هر کلاس تقریباً شامل 40 تا 800 تصویر است که در مجموع حدود 9 هزار تصویر است. تصاویر دارای اندازه های متغیر هستند، با طول لبه های معمولی 200-300 پیکسل. این نسخه فقط دارای برچسب های سطح تصویر است. مجموعه داده اصلی همچنین شامل کادرهای محدود کننده است.
اسناد اضافی : کاوش در کاغذها با کد
صفحه اصلی : https://doi.org/10.22002/D1.20086
کد منبع :
tfds.datasets.caltech101.Builder
نسخه ها :
-
3.0.0
: API تقسیم جدید ( https://tensorflow.org/datasets/splits ) -
3.0.1
: به روز رسانی آدرس وب سایت -
3.0.2
(پیش فرض): دانلود به روز رسانی URL
-
حجم دانلود :
131.05 MiB
حجم مجموعه داده :
132.86 MiB
ذخیره خودکار ( اسناد ): بله
تقسیم ها :
شکاف | مثال ها |
---|---|
'test' | 6,084 |
'train' | 3,060 |
- ساختار ویژگی :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'image/file_name': Text(shape=(), dtype=string),
'label': ClassLabel(shape=(), dtype=int64, num_classes=102),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
تصویر | تصویر | (هیچ، هیچ، 3) | uint8 | |
تصویر/نام_فایل | متن | رشته | ||
برچسب | ClassLabel | int64 |
کلیدهای نظارت شده (مشاهده
as_supervised
doc ):('image', 'label')
شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
- نقل قول :
@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},
}