- বর্ণনা :
স্ট্যানফোর্ড ডগস ডেটাসেটে বিশ্বজুড়ে 120টি কুকুরের প্রজাতির ছবি রয়েছে। এই ডেটাসেটটি ইমেজনেট থেকে ইমেজ এবং টীকা ব্যবহার করে তৈরি করা হয়েছে সূক্ষ্ম-দানাযুক্ত চিত্র শ্রেণীকরণের কাজের জন্য। এখানে 20,580টি ছবি রয়েছে, যার মধ্যে 12,000টি প্রশিক্ষণের জন্য এবং 8580টি পরীক্ষার জন্য ব্যবহৃত হয়। সমস্ত 12,000 ছবির জন্য ক্লাস লেবেল এবং বাউন্ডিং বক্স টীকা দেওয়া আছে।
হোমপেজ : http://vision.stanford.edu/aditya86/ImageNetDogs/main.html
সোর্স কোড :
tfds.datasets.stanford_dogs.Builder
সংস্করণ :
-
0.2.0
(ডিফল্ট): কোনো রিলিজ নোট নেই।
-
ডাউনলোড সাইজ :
778.12 MiB
ডেটাসেটের আকার :
744.72 MiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'test' | ৮,৫৮০ |
'train' | 12,000 |
- বৈশিষ্ট্য গঠন :
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),
}),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ইমেজ | ছবি | (কোনটিই নয়, 3) | uint8 | |
ছবি/ফাইলের নাম | পাঠ্য | স্ট্রিং | ||
লেবেল | ক্লাসলেবেল | int64 | ||
বস্তু | ক্রম | |||
বস্তু/bbox | বিবক্স ফিচার | (৪,) | float32 |
তত্ত্বাবধান করা কী (দেখুন
as_supervised
doc ):('image', 'label')
চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
- উদ্ধৃতি :
@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"}