comida101

• Descrição :

Este conjunto de dados consiste em 101 categorias de alimentos, com 101.000 imagens. Para cada aula, são fornecidas 250 imagens de teste revisadas manualmente, bem como 750 imagens de treinamento. De propósito, as imagens de treinamento não foram limpas e, portanto, ainda contêm algum ruído. Isso vem principalmente na forma de cores intensas e, às vezes, rótulos errados. Todas as imagens foram redimensionadas para ter um comprimento lateral máximo de 512 pixels.

• Documentação Adicional : Explore em Papers With Code

• Página inicial : https://data.vision.ee.ethz.ch/cvl/datasets_extra/food-101/

• Código -fonte: tfds.image_classification.Food101

• Versões :

  • 1.0.0 : Sem notas de versão.
  • 2.0.0 (padrão): sem notas de versão.
  • 2.1.0 : Sem notas de versão.

• Tamanho do download : 4.65 GiB

• Tamanho do conjunto de dados : Unknown size

• Armazenado em cache automaticamente ( documentação ): Desconhecido

• Divisões :

Dividir	Exemplos
'train'	75.750
'validation'	25.250

• Estrutura de recursos :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=101),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	RecursosDict
imagem	Imagem	(Nenhuma, Nenhuma, 3)	uint8
etiqueta	ClassLabel		int64

• Chaves supervisionadas (Consulte as_supervised doc ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Exemplos ( tfds.as_dataframe ):

• Citação :

@inproceedings{bossard14,
  title = {Food-101 -- Mining Discriminative Components with Random Forests},
  author = {Bossard, Lukas and Guillaumin, Matthieu and Van Gool, Luc},
  booktitle = {European Conference on Computer Vision},
  year = {2014}
}