stanford_dogs

• Deskripsi :

Kumpulan data Anjing Stanford berisi gambar 120 ras anjing dari seluruh dunia. Kumpulan data ini dibuat menggunakan gambar dan anotasi dari ImageNet untuk tugas kategorisasi gambar yang halus. Ada 20.580 gambar, dimana 12.000 digunakan untuk pelatihan dan 8580 untuk pengujian. Label kelas dan anotasi kotak pembatas disediakan untuk semua 12.000 gambar.

• Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode

• Beranda : http://vision.stanford.edu/aditya86/ImageNetDogs/main.html

• Kode sumber : tfds.datasets.stanford_dogs.Builder

• Versi :

  • 0.2.0 (default): Tidak ada catatan rilis.

• Ukuran unduhan : 778.12 MiB

• Ukuran dataset : 744.72 MiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'test'	8.580
'train'	12.000

• Struktur fitur :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=120),
    'objects': Sequence({
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
    }),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
gambar/nama file	Teks		rangkaian
label	LabelKelas		int64
objek	Urutan
benda/bbox	Fitur BBox	(4,)	float32

• Kunci yang diawasi (Lihat as_supervised doc ): ('image', 'label')

• Gambar ( tfds.show_examples ):

• Contoh ( tfds.as_dataframe ):

• Kutipan :

@inproceedings{KhoslaYaoJayadevaprakashFeiFei_FGVC2011,
author = "Aditya Khosla and Nityananda Jayadevaprakash and Bangpeng Yao and
          Li Fei-Fei",
title = "Novel Dataset for Fine-Grained Image Categorization",
booktitle = "First Workshop on Fine-Grained Visual Categorization,
             IEEE Conference on Computer Vision and Pattern Recognition",
year = "2011",
month = "June",
address = "Colorado Springs, CO",
}
@inproceedings{imagenet_cvpr09,
        AUTHOR = {Deng, J. and Dong, W. and Socher, R. and Li, L.-J. and
                  Li, K. and Fei-Fei, L.},
        TITLE = { {ImageNet: A Large-Scale Hierarchical Image Database} },
        BOOKTITLE = {CVPR09},
        YEAR = {2009},
        BIBSOURCE = "http://www.image-net.org/papers/imagenet_cvpr09.bib"}