غذا101

• توضیحات :

این مجموعه داده شامل 101 دسته غذایی با 101000 تصویر است. برای هر کلاس، 250 تصویر تست بررسی شده به صورت دستی و همچنین 750 تصویر آموزشی ارائه شده است. عمداً، تصاویر آموزشی تمیز نشدند، و بنابراین همچنان مقداری نویز دارند. این بیشتر به صورت رنگ های تند و گاهی اوقات برچسب های اشتباه می آید. تمام تصاویر برای داشتن حداکثر طول جانبی 512 پیکسل تغییر مقیاس داده شدند.

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : https://data.vision.ee.ethz.ch/cvl/datasets_extra/food-101/

• کد منبع : tfds.image_classification.Food101

• نسخه ها :

  • 1.0.0 : بدون یادداشت انتشار.
  • 2.0.0 (پیش‌فرض): هیچ یادداشت انتشار وجود ندارد.
  • 2.1.0 : بدون یادداشت انتشار.

• حجم دانلود : 4.65 GiB

• اندازه مجموعه داده : Unknown size

• ذخیره خودکار ( اسناد ): ناشناخته

• تقسیم ها :

شکاف	مثال ها
'train'	75750
'validation'	25250

• ساختار ویژگی :

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

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
تصویر	تصویر	(هیچ، هیچ، 3)	uint8
برچسب	ClassLabel		int64

• کلیدهای نظارت شده (مشاهده as_supervised doc ): ('image', 'label')

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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}
}