caltech101

• Descripción :

Caltech-101 consta de imágenes de objetos que pertenecen a las clases 101, más una clase de background clutter . Cada imagen está etiquetada con un solo objeto. Cada clase contiene aproximadamente de 40 a 800 imágenes, con un total de alrededor de 9k imágenes. Las imágenes son de tamaños variables, con longitudes de borde típicas de 200-300 píxeles. Esta versión solo contiene etiquetas a nivel de imagen. El conjunto de datos original también contiene cuadros delimitadores.

• Documentación adicional : Explore en Papers With Code

• Página de inicio : http://www.vision.caltech.edu/Image_Datasets/Caltech101/

• Código fuente : tfds.datasets.caltech101.Builder

• Versiones :

  • 3.0.0 : nueva API dividida ( https://tensorflow.org/datasets/splits )
  • 3.0.1 (predeterminado): actualización de la URL del sitio web

• Tamaño de la descarga : 125.64 MiB

• Tamaño del conjunto de datos : 132.86 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

Separar	Ejemplos
'test'	6,084
'train'	3,060

• Estructura de características :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/file_name': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=102),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
imagen/nombre_de_archivo	Texto		cuerda
etiqueta	Etiqueta de clase		int64

• Claves supervisadas (Ver as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@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},
}