- Descriptif :
L'ensemble de données Street View House Numbers (SVHN) est un ensemble de données de reconnaissance de chiffres d'images de plus de 600 000 images provenant de données du monde réel. Les images sont recadrées à 32x32.
Documentation complémentaire : Explorer sur Papers With Code
Page d' accueil : http://ufldl.stanford.edu/housenumbers/
Code source :
tfds.datasets.svhn_cropped.Builder
Versions :
-
3.0.0
(par défaut) : aucune note de version. -
3.1.0
: Nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
-
Taille du téléchargement :
1.47 GiB
Taille du jeu de données :
Unknown size
Mise en cache automatique ( documentation ): Inconnu
Fractionnements :
Diviser | Exemples |
---|---|
'extra' | 531 131 |
'test' | 26 032 |
'train' | 73 257 |
- Structure des fonctionnalités :
FeaturesDict({
'image': Image(shape=(32, 32, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
- Documentation des fonctionnalités :
Caractéristique | Classer | Forme | Dtype | La description |
---|---|---|---|---|
FonctionnalitésDict | ||||
image | Image | (32, 32, 3) | uint8 | |
étiquette | Étiquette de classe | int64 |
Clés supervisées (Voir
as_supervised
doc ):('image', 'label')
Figure ( tfds.show_examples ):
- Exemples ( tfds.as_dataframe ):
- Citation :
"""Street View House Numbers (SVHN) Dataset, cropped version."""
@article{Netzer2011,
author = {Netzer, Yuval and Wang, Tao and Coates, Adam and Bissacco, Alessandro and Wu, Bo and Ng, Andrew Y},
booktitle = {Advances in Neural Information Processing Systems ({NIPS})},
title = {Reading Digits in Natural Images with Unsupervised Feature Learning},
year = {2011}
}