כלבי_stanford

• תיאור :

מערך הנתונים של Stanford Dogs מכיל תמונות של 120 גזעי כלבים מרחבי העולם. מערך נתונים זה נבנה באמצעות תמונות והערות מ-ImageNet למשימה של סיווג תמונות עדין. יש 20,580 תמונות, מתוכן 12,000 משמשות לאימון ו-8580 לבדיקות. תוויות כיתה והערות תיבות תוחמות מסופקות עבור כל 12,000 התמונות.

• תיעוד נוסף : חקור על ניירות עם קוד

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

• קוד מקור : tfds.datasets.stanford_dogs.Builder

• גרסאות :

  • 0.2.0 (ברירת מחדל): אין הערות שחרור.

• גודל הורדה : 778.12 MiB

• גודל מערך נתונים : 744.72 MiB

• שמירה אוטומטית במטמון ( תיעוד ): לא

• פיצולים :

לְפַצֵל	דוגמאות
'test'	8,580
'train'	12,000

• מבנה תכונה :

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),
    }),
})

• תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype	תיאור
	FeaturesDict
תמונה	תמונה	(אין, אין, 3)	uint8
תמונה/שם קובץ	טֶקסט		חוּט
תווית	ClassLabel		int64
חפצים	סדר פעולות
אובייקטים/bbox	BBoxFeature	(4,)	לצוף32

• מפתחות בפיקוח (ראה as_supervised doc ): ('image', 'label')

• איור ( tfds.show_examples ):

• דוגמאות ( tfds.as_dataframe ):

• ציטוט :

@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"}