makanan101

• Deskripsi :

Dataset ini terdiri dari 101 kategori makanan, dengan 101.000 gambar. Untuk setiap kelas, disediakan 250 gambar uji yang ditinjau secara manual serta 750 gambar pelatihan. Dengan sengaja, gambar pelatihan tidak dibersihkan, sehingga masih mengandung sejumlah noise. Ini sebagian besar datang dalam bentuk warna yang intens dan terkadang label yang salah. Semua gambar diubah skalanya agar memiliki panjang sisi maksimum 512 piksel.

• Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode

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

• Kode sumber : tfds.image_classification.Food101

• Versi :

  • 1.0.0 : Tidak ada catatan rilis.
  • 2.0.0 (default): Tidak ada catatan rilis.
  • 2.1.0 : Tidak ada catatan rilis.

• Ukuran unduhan : 4.65 GiB

• Ukuran set data : Unknown size

• Di-cache otomatis ( dokumentasi ): Tidak diketahui

• Perpecahan :

Membelah	Contoh
'train'	75.750
'validation'	25.250

• Struktur fitur :

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

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64

• Kunci yang diawasi (Lihat as_supervised doc ): ('image', 'label')

• Gambar ( tfds.show_examples ):

• Contoh ( tfds.as_dataframe ):

• Kutipan :

@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}
}