jedzenie101

• opis :

Ten zbiór danych składa się ze 101 kategorii żywności i zawiera 101 000 obrazów. Dla każdej klasy dostępnych jest 250 ręcznie przeglądanych obrazów testowych oraz 750 obrazów szkoleniowych. Celowo obrazy treningowe nie zostały oczyszczone, przez co nadal zawierają trochę szumu. Dzieje się tak głównie w postaci intensywnych kolorów, a czasem niewłaściwych etykiet. Wszystkie obrazy zostały przeskalowane, aby miały maksymalną długość boku 512 pikseli.

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na

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

• Kod źródłowy : tfds.image_classification.Food101

• Wersje :

  • 1.0.0 : Brak informacji o wydaniu.
  • 2.0.0 (domyślnie): Brak informacji o wersji.
  • 2.1.0 : Brak informacji o wydaniu.

• Rozmiar pliku do pobrania : 4.65 GiB

• Rozmiar zbioru danych : Unknown size

• Automatyczne buforowanie ( dokumentacja ): Nieznane

• Podziały :

Rozdzielać	Przykłady
'train'	75750
'validation'	25250

• Struktura funkcji :

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

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
obraz	Obraz	(Brak, Brak, 3)	uint8
etykieta	Etykieta klasy		int64

• Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@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}
}