cibo101

• Descrizione :

Questo set di dati è composto da 101 categorie di alimenti, con 101'000 immagini. Per ogni classe vengono fornite 250 immagini di test riviste manualmente e 750 immagini di addestramento. Di proposito, le immagini di allenamento non sono state pulite e quindi contengono ancora una certa quantità di rumore. Questo si presenta principalmente sotto forma di colori intensi e talvolta etichette sbagliate. Tutte le immagini sono state ridimensionate per avere una lunghezza laterale massima di 512 pixel.

• Documentazione aggiuntiva : Esplora documenti con codice

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

• Codice sorgente : tfds.image_classification.Food101

• Versioni :

  • 1.0.0 : Nessuna nota di rilascio.
  • 2.0.0 (impostazione predefinita): nessuna nota di rilascio.
  • 2.1.0 : Nessuna nota di rilascio.

• Dimensione del download : 4.65 GiB

• Dimensioni del set di dati : Unknown size

• Cache automatica ( documentazione ): Sconosciuto

• Divisioni :

Diviso	Esempi
'train'	75.750
'validation'	25.250

• Struttura delle caratteristiche :

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

• Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D	Descrizione
	CaratteristicheDict
Immagine	Immagine	(Nessuno, Nessuno, 3)	uint8
etichetta	ClassLabel		int64

• Chiavi supervisionate (vedi as_supervised doc ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• Citazione :

@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}
}