caltech101

• Descrição :

Caltech-101 consiste em imagens de objetos pertencentes a 101 classes, além de uma classe background clutter . Cada imagem é rotulada com um único objeto. Cada classe contém cerca de 40 a 800 imagens, totalizando cerca de 9 mil imagens. As imagens têm tamanhos variáveis, com comprimentos de borda típicos de 200 a 300 pixels. Esta versão contém apenas rótulos em nível de imagem. O conjunto de dados original também contém caixas delimitadoras.

• Documentação adicional : Explore artigos com código north_east

• Página inicial : https://doi.org/10.22002/D1.20086

• Código fonte : tfds.datasets.caltech101.Builder

• Versões :

  • 3.0.0 : Nova API dividida ( https://tensorflow.org/datasets/splits )
  • 3.0.1 : Atualização do URL do site
  • 3.0.2 (padrão): atualização do URL de download

• Tamanho do download : 131.05 MiB

• Tamanho do conjunto de dados : 132.86 MiB

• Armazenado em cache automaticamente ( documentação ): Sim

• Divisões :

• Estrutura de recursos :

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

• Documentação de recursos :

• Chaves supervisionadas (consulte o documento as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Exemplos ( tfds.as_dataframe ):

• Citação :

@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},
}