- คำอธิบาย :
ชุดข้อมูล Stanford Dogs มีภาพของสุนัข 120 สายพันธุ์จากทั่วโลก ชุดข้อมูลนี้สร้างขึ้นโดยใช้รูปภาพและคำอธิบายประกอบจาก ImageNet สำหรับงานจัดหมวดหมู่รูปภาพแบบละเอียด มีภาพทั้งหมด 20,580 ภาพ โดย 12,000 ภาพใช้สำหรับการฝึกอบรม และ 8580 ภาพสำหรับการทดสอบ มีป้ายกำกับคลาสและคำอธิบายประกอบสำหรับรูปภาพทั้งหมด 12,000 ภาพ
เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส
หน้าแรก : http://vision.stanford.edu/aditya86/ImageNetDogs/main.html
รหัสแหล่งที่มา :
tfds.datasets.stanford_dogs.Builderรุ่น :
-
0.2.0(ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น
-
ขนาดการดาวน์โหลด :
778.12 MiBขนาดชุดข้อมูล :
744.72 MiBแคชอัตโนมัติ ( เอกสารประกอบ ): ไม่
แยก :
| แยก | ตัวอย่าง |
|---|---|
'test' | 8,580 |
'train' | 12,000 |
- โครงสร้างคุณลักษณะ :
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),
}),
})
- เอกสารคุณสมบัติ :
| ลักษณะเฉพาะ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
|---|---|---|---|---|
| คุณสมบัติDict | ||||
| ภาพ | ภาพ | (ไม่มี, ไม่มี, 3) | uint8 | |
| รูปภาพ/ชื่อไฟล์ | ข้อความ | สตริง | ||
| ฉลาก | ป้ายกำกับคลาส | int64 | ||
| วัตถุ | ลำดับ | |||
| วัตถุ/bbox | คุณสมบัติ BBox | (4,) | ลอย32 |
คีย์ภายใต้การดูแล (ดู
as_superviseddoc ):('image', 'label')รูป ( tfds.show_examples ):

- ตัวอย่าง ( tfds.as_dataframe ):
- การอ้างอิง :
@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"}