カルテック101

説明：

Caltech-101 は、101 のクラスに属するオブジェクトの写真と、1 つのbackground clutterクラスで構成されています。各画像には 1 つのオブジェクトのラベルが付けられます。各クラスにはおよそ 40 ～ 800 個の画像が含まれており、合計で約 9,000 個の画像になります。画像のサイズは可変であり、一般的なエッジの長さは 200 ～ 300 ピクセルです。このバージョンにはイメージレベルのラベルのみが含まれています。元のデータセットには境界ボックスも含まれています。

追加ドキュメント:コード付きの論文について調べる
ホームページ: https://doi.org/10.22002/D1.20086
ソースコード: tfds.datasets.caltech101.Builder
バージョン:
- 3.0.0 : 新しい分割 API ( https://tensorflow.org/datasets/splits )
- 3.0.1 : ウェブサイト URL の更新
- 3.0.2 (デフォルト): ダウンロード URL の更新
ダウンロードサイズ: 131.05 MiB
データセットのサイズ: 132.86 MiB
自動キャッシュ(ドキュメント): はい
分割:

スプリット	例
`'test'`	6,084
`'train'`	3,060

機能の構造:

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

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
画像	画像	(なし、なし、3)	uint8
画像/ファイル名	文章		弦
ラベル	クラスラベル		int64

監視キー( as_supervised docを参照): ('image', 'label')
図( tfds.show_examples ):

視覚化

例( tfds.as_dataframe ):

引用：

@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},
}