caltech101

• Description :

Caltech-101 se compose d'images d'objets appartenant à 101 classes, plus une classe background clutter . Chaque image est étiquetée avec un seul objet. Chaque classe contient environ 40 à 800 images, totalisant environ 9 000 images. Les images sont de tailles variables, avec des longueurs de bord typiques de 200 à 300 pixels. Cette version contient uniquement des étiquettes au niveau de l'image. L'ensemble de données d'origine contient également des cadres de délimitation.

• Documentation supplémentaire : Explorer sur les articles avec le code north_east

• Page d'accueil : https://doi.org/10.22002/D1.20086

• Code source : tfds.datasets.caltech101.Builder

• Versions :

  • 3.0.0 : Nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
  • 3.0.1 : Mise à jour de l'URL du site Web
  • 3.0.2 (par défaut) : Télécharger la mise à jour de l'URL

• Taille du téléchargement : 131.05 MiB

• Taille de l'ensemble de données : 132.86 MiB

• Mise en cache automatique ( documentation ) : Oui

• Divisions :

• Structure des fonctionnalités :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/file_name': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=102),
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir doc as_supervised ) : ('image', 'label')

• Figure ( tfds.show_examples ) :

• Exemples ( tfds.as_dataframe ) :

• Citation :

@article{FeiFei2004LearningGV,
  title={Learning Generative Visual Models from Few Training Examples: An Incremental Bayesian Approach Tested on 101 Object Categories},
  author={Li Fei-Fei and Rob Fergus and Pietro Perona},
  journal={Computer Vision and Pattern Recognition Workshop},
  year={2004},
}