食物图像数据集

该数据集包含完整 food-101 数据的许多不同子集。为了给图像分析制作一个比 CIFAR10 或 MNIST 更简单的训练集，该数据包括图像的大规模缩小版本，以实现快速测试。数据已被重新格式化为 HDF5，特别是 Keras HDF5Matrix，这样可以轻松读取它们。文件名表示文件的内容。例如

foodc101n1000_r384x384x3.h5 表示有 101 个类别，n=1000 图像，分辨率为 384x384x3（RGB，uint8）
foodtestc101n1000r32x32x1.h5 表示数据是验证集的一部分，代表 101 个类别，n=1000 图像，分辨率为 32x32x1（float32 从 -1 到 1）

使用该数据集的第一个目标是对未知图像进行分类，但除此之外，还有可能可以查看哪些区域/图像组件对进行分类很重要，将新类型的食物识别为现有标签的组合，构建对象检测器，可以在整个场景中找到相似的对象。

一、作业说明 1.数据包括testing、trainning和validation三个食物图片集，training共9866张，validation共3430张，testing共3347张。train

李宏毅课程作业三项目描述训练一个简单的卷积神经网络，实现食物图片的分类。数据集介绍本次使用的数据集为food-11数据集，共有11类Bread, Dairy product, Dessert, Egg, Fried food, Meat, Noodles/Pasta, Rice, Seafood, Soup, and Vegetable/Fruit.（面包，乳制品，甜点，鸡蛋，油炸食品，肉类，面条/意大利面，米饭，海鲜，汤，蔬菜/水果）Training set: 9866张Validatio

1) 摘要(1) 提出了一个中国食物的数据集，叫做ChineseFoodNet；(2) 我们努力构建这个大规模的图像数据集，包括食品类别选择，数据收集，数据清洗和标签，特别是如何使用机器学习方法来减少手动标签工作，这是一个昂贵的过程。(3) 我们进一步提出了一种新颖的两步数据融合方法，称为“TastyNet”，它将来自不同CNN的预测结果与投票方法相结合。2) 介绍中国食物难以...

铜灵 编译整理 量子位 出品 | 公众号 QbitAI 谁说深度学习任务都是步骤复杂、高深难懂的？ 其实，小白也可以轻易上手，还能做出好玩有用的作品。 最近，工程师Nidhin Pattaniyil和Reshama Shaikh写了一篇从零开始…

包含 423 种食物的 1281 张图像的数据集 - 飞桨AI Studio

今天给大家介绍一篇由新加坡管理大学信息系统学院生活分析研究中心(LARC) 和Salesforce亚洲研究院合作，于前段时间在ACM SIGKDD知识发现和数据挖掘会议上汇报的一篇会议文章。文章中作者提出了一种智能食物记录系统:FoodAI，使食物记录变得便捷，帮助人们实现智能消费和健康的生活方式。

此数据集中没有不平衡数据，并且为所有101类准备了1000张纸。换句话说，您可以使用精度来评估快球。原始大小为4.65GB，当将其大小调整为256x256并压缩时，它缩小到1.2-1.3GB(这取决于压缩格式)，因此从容量和平衡方面来说，它是一个相当出色的数据集。

使用随机森林（rf）挖掘区分部分，这允许所有课程同时挖掘零件并共享知识其中之一。为了提高挖掘和分类的效率，只考虑与图像超级像素对齐的面片，我们称之为组件。来衡量我们的射频分量挖掘的性能对于食品识别，我们引入了一个新颖且具有挑战性的数据集101种食物，有101000张图片。平均精度为50.76%，我们的模型优于其他分类方法，除了对于cnn，包括基于改进Fisher向量的svm分类和现有的判别部分挖掘算法分别提高了11.88%和8.13%。在具有挑战性的麻省理工学院室内数据集上，我们的方法进行了比较与其他基于s-o-a组件的分类方法相比，效果很好。