- คำอธิบาย :
ชุดข้อมูลนี้ประกอบด้วยหมวดหมู่อาหาร 101 หมวด พร้อมรูปภาพ 101,000 ภาพ สำหรับแต่ละชั้นเรียน จะมีภาพการทดสอบที่ผ่านการตรวจสอบด้วยตนเอง 250 ภาพ รวมถึงภาพการฝึกอบรม 750 ภาพ โดยเจตนา ภาพการฝึกไม่ได้ถูกล้าง และยังคงมีสัญญาณรบกวนอยู่บ้าง ซึ่งส่วนใหญ่มาในรูปของสีที่เข้มข้นและฉลากที่ไม่ถูกต้องในบางครั้ง รูปภาพทั้งหมดได้รับการปรับขนาดให้มีความยาวด้านสูงสุด 512 พิกเซล
เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส
หน้าแรก : https://data.vision.ee.ethz.ch/cvl/datasets_extra/food-101/
รหัสที่มา :
tfds.image_classification.Food101
รุ่น :
-
1.0.0
: ไม่มีบันทึกประจำรุ่น -
2.0.0
(ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น -
2.1.0
: ไม่มีบันทึกประจำรุ่น
-
ขนาดการดาวน์โหลด :
4.65 GiB
ขนาดชุดข้อมูล :
Unknown size
แคชอัตโนมัติ ( เอกสาร ): ไม่รู้จัก
แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 75,750 |
'validation' | 25,250 |
- โครงสร้างคุณลักษณะ :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=101),
})
- เอกสารคุณสมบัติ :
ลักษณะเฉพาะ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
ภาพ | ภาพ | (ไม่มี, ไม่มี, 3) | uint8 | |
ฉลาก | ป้ายกำกับคลาส | int64 |
คีย์ภายใต้การดูแล (ดู
as_supervised
doc ):('image', 'label')
รูป ( tfds.show_examples ):
- ตัวอย่าง ( tfds.as_dataframe ):
- การอ้างอิง :
@inproceedings{bossard14,
title = {Food-101 -- Mining Discriminative Components with Random Forests},
author = {Bossard, Lukas and Guillaumin, Matthieu and Van Gool, Luc},
booktitle = {European Conference on Computer Vision},
year = {2014}
}