Visualisation : Explorer dans Know Your Data
Descriptif :
L'ensemble de données sur le paludisme contient un total de 27 558 images de cellules avec des instances égales de cellules parasitées et non infectées à partir des images de lames de frottis sanguins minces de cellules segmentées.
Documentation complémentaire : Explorer sur Papers With Code
Page d'accueil : https://lhncbc.nlm.nih.gov/publication/pub9932
Code source :
tfds.datasets.malaria.Builder
Versions :
-
1.0.0
(par défaut) : aucune note de version.
-
Taille du téléchargement :
337.08 MiB
Taille du jeu de données :
317.62 MiB
Mise en cache automatique ( documentation ): Non
Fractionnements :
Diviser | Exemples |
---|---|
'train' | 27 558 |
- Structure des fonctionnalités :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
})
- Documentation des fonctionnalités :
Caractéristique | Classer | Forme | Dtype | La description |
---|---|---|---|---|
FonctionnalitésDict | ||||
image | Image | (Aucun, Aucun, 3) | uint8 | |
étiquette | Étiquette de classe | int64 |
Clés supervisées (Voir
as_supervised
doc ):('image', 'label')
Figure ( tfds.show_examples ):
- Exemples ( tfds.as_dataframe ):
- Citation :
@article{rajaraman2018pre,
title={Pre-trained convolutional neural networks as feature extractors toward
improved malaria parasite detection in thin blood smear images},
author={Rajaraman, Sivaramakrishnan and Antani, Sameer K and Poostchi, Mahdieh
and Silamut, Kamolrat and Hossain, Md A and Maude, Richard J and Jaeger,
Stefan and Thoma, George R},
journal={PeerJ},
volume={6},
pages={e4568},
year={2018},
publisher={PeerJ Inc.}
}