i_przyrodnik2017

• Wizualizacja : Eksploruj w regionie Poznaj swoje dane

• opis :

Ten zestaw danych zawiera łącznie 5 089 kategorii, obejmujących 579 184 obrazów szkoleniowych i 95 986 obrazów weryfikacyjnych. W przypadku zestawu szkoleniowego rozkład obrazów według kategorii jest zgodny z częstotliwością obserwacji tej kategorii przez społeczność iNaturalistów.

Chociaż oryginalny zestaw danych zawiera kilka obrazów z ramkami ograniczającymi, obecnie dostępne są tylko adnotacje na poziomie obrazu (pojedyncza etykieta/obraz). Ponadto organizatorzy nie opublikowali etykiet testowych, dlatego udostępniamy tylko zdjęcia testowe (etykieta = -1).

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na

• Strona główna : https://github.com/visipedia/inat_comp/tree/master/2017

• Kod źródłowy : tfds.image_classification.INaturalist2017

• Wersje :

  • 0.1.0 (domyślnie): Brak informacji o wersji.

• Rozmiar pliku do pobrania : 237.35 GiB

• Rozmiar zestawu danych : 238.10 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Rozdzielać	Przykłady
'test'	182707
'train'	579184
'validation'	95 986

• Struktura funkcji :

FeaturesDict({
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=5089),
    'supercategory': ClassLabel(shape=(), dtype=int64, num_classes=13),
})

• Dokumentacja funkcji :

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

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

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@InProceedings{Horn_2018_CVPR,
author = {
Van Horn, Grant and Mac Aodha, Oisin and Song, Yang and Cui, Yin and Sun, Chen
and Shepard, Alex and Adam, Hartwig and Perona, Pietro and Belongie, Serge},
title = {The INaturalist Species Classification and Detection Dataset},
booktitle = {
The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
month = {June},
year = {2018}
}