Visualizzazione : Esplora in Conosci i tuoi dati
Descrizione :
Il set di dati DeepWeeds è composto da 17.509 immagini che catturano otto diverse specie di piante infestanti originarie dell'Australia in situ con la flora vicina. Le specie di piante infestanti selezionate sono locali delle praterie pastorali in tutto lo stato del Queensland. Le immagini sono state raccolte da infestazioni di piante infestanti nei seguenti siti in tutto il Queensland: "Black River", "Charters Towers", "Cluden", "Douglas", "Hervey Range", "Kelso", "McKinlay" e "Paluma".
Documentazione aggiuntiva : Esplora documenti con codice
Pagina iniziale : https://github.com/AlexOlsen/DeepWeeds
Codice sorgente :
tfds.image_classification.DeepWeeds
Versioni :
-
2.0.0
: corregge le etichette errate in V1. -
3.0.0
(impostazione predefinita): aggiorna l'URL di download.
-
Dimensione del download :
469.32 MiB
Dimensione del set di dati:
469.99 MiB
Cache automatica ( documentazione ): No
Divisioni :
Diviso | Esempi |
---|---|
'train' | 17.509 |
- Struttura delle caratteristiche :
FeaturesDict({
'image': Image(shape=(256, 256, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=9),
})
- Documentazione delle funzionalità :
Caratteristica | Classe | Forma | Tipo D | Descrizione |
---|---|---|---|---|
CaratteristicheDict | ||||
Immagine | Immagine | (256, 256, 3) | uint8 | |
etichetta | ClassLabel | int64 |
Chiavi supervisionate (vedi
as_supervised
doc ):('image', 'label')
Figura ( tfds.show_examples ):
- Esempi ( tfds.as_dataframe ):
- Citazione :
@article{DeepWeeds2019,
author = {Alex Olsen and
Dmitry A. Konovalov and
Bronson Philippa and
Peter Ridd and
Jake C. Wood and
Jamie Johns and
Wesley Banks and
Benjamin Girgenti and
Owen Kenny and
James Whinney and
Brendan Calvert and
Mostafa {Rahimi Azghadi} and
Ronald D. White},
title = { {DeepWeeds: A Multiclass Weed Species Image Dataset for Deep Learning} },
journal = {Scientific Reports},
year = 2019,
number = 2058,
month = 2,
volume = 9,
issue = 1,
day = 14,
url = "https://doi.org/10.1038/s41598-018-38343-3",
doi = "10.1038/s41598-018-38343-3"
}