stanford_dogs

• คำอธิบาย :

ชุดข้อมูล Stanford Dogs มีภาพของสุนัข 120 สายพันธุ์จากทั่วโลก ชุดข้อมูลนี้สร้างขึ้นโดยใช้รูปภาพและคำอธิบายประกอบจาก ImageNet สำหรับงานจัดหมวดหมู่รูปภาพแบบละเอียด มีภาพทั้งหมด 20,580 ภาพ โดย 12,000 ภาพใช้สำหรับการฝึกอบรม และ 8580 ภาพสำหรับการทดสอบ มีป้ายกำกับคลาสและคำอธิบายประกอบสำหรับรูปภาพทั้งหมด 12,000 ภาพ

• เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส

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

• รหัสแหล่งที่มา : tfds.datasets.stanford_dogs.Builder

• รุ่น :

  • 0.2.0 (ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น

• ขนาดการดาวน์โหลด : 778.12 MiB

• ขนาดชุดข้อมูล : 744.72 MiB

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• แยก :

แยก	ตัวอย่าง
'test'	8,580
'train'	12,000

• โครงสร้างคุณลักษณะ :

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),
    }),
})

• เอกสารคุณสมบัติ :

ลักษณะเฉพาะ	ระดับ	รูปร่าง	Dประเภท	คำอธิบาย
	คุณสมบัติDict
ภาพ	ภาพ	(ไม่มี, ไม่มี, 3)	uint8
รูปภาพ/ชื่อไฟล์	ข้อความ		สตริง
ฉลาก	ป้ายกำกับคลาส		int64
วัตถุ	ลำดับ
วัตถุ/bbox	คุณสมบัติ BBox	(4,)	ลอย32

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('image', 'label')

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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"}