stanford_dogs

  • opis :

Zbiór danych Stanford Dogs zawiera obrazy 120 ras psów z całego świata. Ten zestaw danych został zbudowany przy użyciu obrazów i adnotacji z ImageNet w celu szczegółowej kategoryzacji obrazów. Dostępnych jest 20 580 obrazów, z których 12 000 służy do trenowania, a 8580 do testowania. Etykiety klas i adnotacje dotyczące ramek są dostępne dla wszystkich 12 000 obrazów.

Podział Przykłady
'test' 8580
'train' 12 000
  • Struktura funkcji :
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),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
obraz Obraz (Brak, Brak, 3) uint8
obraz/nazwa pliku Tekst strunowy
etykieta Etykieta klasy int64
obiekty Sekwencja
obiekty/bbox Funkcja BBox (4,) pływak32

Wyobrażanie sobie

  • Cytat :
@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"}