- विवरण :
स्टैनफोर्ड डॉग डेटासेट में दुनिया भर के कुत्तों की 120 नस्लों की छवियां हैं। यह डेटासेट इमेजनेट से छवियों और एनोटेशन का उपयोग करके ठीक-ठाक छवि वर्गीकरण के कार्य के लिए बनाया गया है। 20,580 छवियां हैं, जिनमें से 12,000 प्रशिक्षण के लिए और 8580 परीक्षण के लिए उपयोग की जाती हैं। सभी 12,000 इमेज के लिए क्लास लेबल और बाउंडिंग बॉक्स एनोटेशन दिए गए हैं।
होमपेज : http://vision.stanford.edu/aditya86/ImageNetDogs/main.html
स्रोत कोड :
tfds.datasets.stanford_dogs.Builder
संस्करण :
-
0.2.0
(डिफ़ॉल्ट): कोई रिलीज़ नोट नहीं।
-
डाउनलोड आकार :
778.12 MiB
डेटासेट का आकार :
744.72 MiB
ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं
विभाजन :
विभाजित करना | उदाहरण |
---|---|
'test' | 8,580 |
'train' | 12,000 |
- फ़ीचर संरचना :
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),
}),
})
- फ़ीचर दस्तावेज़ीकरण :
विशेषता | कक्षा | आकार | डीटाइप | विवरण |
---|---|---|---|---|
विशेषताएं डिक्ट | ||||
छवि | छवि | (कोई नहीं, कोई नहीं, 3) | uint8 | |
छवि/फ़ाइल नाम | लेख | डोरी | ||
लेबल | क्लासलेबल | int64 | ||
वस्तुओं | अनुक्रम | |||
ऑब्जेक्ट्स/बीबॉक्स | बीबॉक्स फीचर | (4,) | फ्लोट32 |
पर्यवेक्षित कुंजी (
as_supervised
दस्तावेज़ देखें):('image', 'label')
चित्र ( tfds.show_examples ):
- उदाहरण ( tfds.as_dataframe ):
- उद्धरण :
@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"}