food101

• 説明:

このデータセットは、101,000 枚の画像を含む 101 の食品カテゴリで構成されています。クラスごとに、手動でレビューされた 250 のテスト画像と 750 のトレーニング画像が提供されます。トレーニング イメージは意図的にクリーニングされていないため、まだある程度のノイズが含まれています。これは主に強烈な色と、時には間違ったラベルの形で発生します.すべての画像は、最大辺の長さが 512 ピクセルになるように再スケーリングされています。

• 追加のドキュメント:コードを使用したペーパーの探索

• ホームページ: https://data.vision.ee.ethz.ch/cvl/datasets_extra/food-101/

• ソース コード: tfds.image_classification.Food101

• バージョン:

  • 1.0.0 : リリース ノートはありません。
  • 2.0.0 (デフォルト): リリース ノートはありません。
  • 2.1.0 : リリース ノートはありません。

• ダウンロードサイズ: 4.65 GiB

• データセットのサイズ: サイズUnknown size

• 自動キャッシュ(ドキュメント): 不明

• スプリット:

スプリット	例
'train'	75,750
'validation'	25,250

• 機能構造:

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

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
画像	画像	(なし、なし、3)	uint8
ラベル	クラスラベル		int64

• 監視されたキー( as_supervised docを参照): ('image', 'label')

• 図( tfds.show_examples ):

• 例( tfds.as_dataframe ):

• 引用：

@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}
}